如何将numpy.ndarray转换为自定义子类？解决保存加载类型丢失问题

我刚好之前在项目里碰到过完全一样的问题，numpy的子类化确实有几个容易踩的坑，咱们一步步来解决：

一、无拷贝将ndarray转换为自定义子类（Field/Geometry等） #

你说直接调用Field(v)会把v识别成形状而非数据，这是因为numpy的数组构造逻辑默认会把单个数值/元组当成形状参数。要实现零拷贝的类型转换，核心是用numpy的view()方法，或者在子类的__new__方法里正确处理输入：

1. 正确定义子类 #

首先用__new__方法创建子类实例，确保共享原数组的内存：

import numpy as np

class Field(np.ndarray):
    def __new__(cls, input_array):
        # 先把输入转成ndarray（兼容各种可迭代对象），再用view转成子类
        obj = np.asarray(input_array).view(cls)
        return obj
    
    def __array_finalize__(self, obj):
        # 这个方法处理切片、视图等场景下的属性继承
        if obj is None: return
        # 这里可以添加自定义属性的传递，比如：
        # self.metadata = getattr(obj, 'metadata', None)

2. 无拷贝转换与运算后自动保留类型 #

用上面的定义，你可以直接把ndarray转成Field，而且完全不复制数据：

# 原ndarray
raw_arr = np.array([[1,2], [3,4]])
# 转成Field，共享内存
field = Field(raw_arr)

print(isinstance(field, Field))  # 输出True
print(np.shares_memory(raw_arr, field))  # 输出True，确认无拷贝

如果想让numpy运算（比如field + 5、np.mean(field)）的结果自动保留Field类型，还需要实现__array_ufunc__方法，覆盖numpy的通用函数行为：

class Field(np.ndarray):
    def __new__(cls, input_array):
        obj = np.asarray(input_array).view(cls)
        return obj
    
    def __array_finalize__(self, obj):
        if obj is None: return
    
    def __array_ufunc__(self, ufunc, method, *inputs, **kwargs):
        # 先把所有子类输入转成ndarray，让numpy正常计算
        processed_inputs = tuple(
            x.view(np.ndarray) if isinstance(x, Field) else x 
            for x in inputs
        )
        # 调用父类的ufunc逻辑得到结果
        result = super().__array_ufunc__(ufunc, method, *processed_inputs, **kwargs)
        if result is NotImplemented:
            return NotImplemented
        # 如果结果是ndarray，转回Field类型
        if isinstance(result, np.ndarray):
            return result.view(Field)
        # 非数组结果（比如标量）直接返回
        return result

现在field * 2会直接返回Field类型，不用手动转换了！

二、让np.save/np.load保留子类类型 #

numpy默认保存数组时，只会存储原始数据、dtype、形状等基础信息，不会保留子类类型。这里有两种高效的解决方案：

1. 用Pickle直接序列化（最省心） #

numpy的子类支持pickle序列化，直接用pickle保存加载，会完整保留类型和自定义属性：

import pickle

# 保存Field对象
with open('my_field.pkl', 'wb') as f:
    pickle.dump(field, f)

# 加载
with open('my_field.pkl', 'rb') as f:
    loaded_field = pickle.load(f)

print(isinstance(loaded_field, Field))  # 输出True

2. 配合np.savez保存类型标识（兼容numpy原生格式） #

如果你坚持用numpy的np.save/np.savez，可以额外保存子类的类型标签，加载时再转换回去：

# 保存数据和类型标签
np.savez('field_data.npz', data=field, type_tag='Field')

# 加载
loaded_data = np.load('field_data.npz')
raw_arr = loaded_data['data']
type_tag = loaded_data['type_tag']

# 根据标签转换为对应子类
if type_tag == 'Field':
    loaded_field = raw_arr.view(Field)

如果有多个子类（比如Geometry、Parameter），可以给每个子类添加唯一的_type_tag属性，统一处理加载逻辑。

内容的提问来源于stack exchange，提问作者JonathanK