NumPy数组子类化：实现带轴专属属性的子类及视图属性传递

嘿，我完全懂你现在的状态——好不容易搞出了能正常传递属性的InfoArray，但要做它的子类来承载轴专属属性，还被__array_finalize__的逻辑绕得有点晕对吧？别慌，我一步步给你捋清楚。

其实这个方法就是NumPy给数组子类留的「属性传递钩子」——不管你是通过切片创建视图、转置，还是从其他数组派生新实例，这个方法都会被触发。它的参数obj就是那个「源头」数组，你要做的就是在这儿决定：哪些属性要从obj继承过来，哪些要重新初始化。

举个最直白的例子：当你切了原数组一刀得到视图时，NumPy先造个新数组壳子，然后调用__array_finalize__把原数组塞给你，你就在这个方法里把原数组的属性复制到新视图上，这样视图就带着原数组的属性了。

假设咱们给子类起名叫AxisInfoArray，要存的轴专属属性是axis_info——一个字典，键是轴索引，值是对应轴的元数据（比如名称、单位啥的）。我直接给你写可跑的代码，再标注关键点：

import numpy as np

# 先把你已有的InfoArray放这儿（假设它带一个通用的info属性）
class InfoArray(np.ndarray):
    def __new__(cls, input_array, info=None):
        # 先把输入转成ndarray再转成子类实例
        obj = np.asarray(input_array).view(cls)
        # 初始化通用info属性
        obj.info = info if info is not None else {}
        return obj

    def __array_finalize__(self, obj):
        # 如果是从None创建（比如np.empty这种），直接返回
        if obj is None:
            return
        # 继承源头数组的info属性，没有就设为空字典
        self.info = getattr(obj, 'info', {})

# 咱们的目标子类：带轴专属属性的AxisInfoArray
class AxisInfoArray(InfoArray):
    def __new__(cls, input_array, axis_info=None, **kwargs):
        # 先调用父类的__new__，搭好基础数组结构，同时继承父类的info属性
        obj = super().__new__(cls, input_array, **kwargs)
        # 初始化轴专属属性：默认给每个轴配个空字典
        default_axis_info = {i: {} for i in range(obj.ndim)}
        obj.axis_info = axis_info if axis_info is not None else default_axis_info
        return obj

    def __array_finalize__(self, obj):
        # 重点！先调用父类的__array_finalize__，不然父类的info属性传不过来
        super().__array_finalize__(obj)
        
        if obj is None:
            return
        
        # 分情况处理轴属性的继承
        if isinstance(obj, AxisInfoArray):
            # 如果源头是AxisInfoArray实例，要考虑视图操作对轴的影响
            current_ndim = self.ndim
            original_axis_info = obj.axis_info
            
            # 情况1：视图和原数组维度一样（比如普通切片[:, :]），直接拷贝轴属性
            if current_ndim == obj.ndim:
                self.axis_info = {k: v.copy() for k, v in original_axis_info.items()}
            # 情况2：维度变了（比如切片去掉了某轴，或者压缩了轴），只保留对应新轴的属性
            else:
                # 这里可以根据你的实际操作场景细化，比如转置的话要交换轴属性
                # 先给个通用版：新轴索引对应原数组同索引的属性，没有就空字典
                self.axis_info = {i: original_axis_info.get(i, {}) for i in range(current_ndim)}
        else:
            # 如果源头不是AxisInfoArray，初始化空的轴属性
            self.axis_info = {i: {} for i in range(self.ndim)}

写几行测试代码验证下：

# 创建原始的AxisInfoArray实例
arr = AxisInfoArray(
    np.random.rand(2, 3),
    axis_info={0: {"name": "样本轴"}, 1: {"name": "特征轴"}},
    info={"desc": "随机测试数组"}
)
print("原始数组的轴属性:", arr.axis_info)
print("原始数组的通用info:", arr.info)

# 测试普通视图（切片）
view = arr[1:, :]
print("\n切片视图的轴属性:", view.axis_info)
print("切片视图的通用info:", view.info)

# 测试转置视图（维度顺序变了，这里可以后续优化轴属性交换逻辑）
transposed = arr.T
print("\n转置后的轴属性:", transposed.axis_info)

• 一定要先调用父类的__array_finalize__：不然父类的属性（比如InfoArray的info）根本传不到子类视图里，这是新手最容易踩的坑。
• 轴属性要做深拷贝：别直接把原数组的axis_info赋值过来，要用copy()，不然多个实例共享同一个字典，改一个全乱了。
• 复杂轴变换要单独处理：比如转置、扩维、缩维这些操作，轴的数量/顺序变了，你得在__array_finalize__或者__array_function__里加逻辑适配，比如转置时把轴0和轴1的属性交换。

内容的提问来源于stack exchange，提问作者nicoco