如何在njit函数中通过引用修改未知名称的类属性？

嘿，这个问题我之前也碰到过——Numba的njit模式因为是静态编译的，确实不支持Python那种灵活的动态属性访问（比如用字符串解析、getattr/setattr那套）。不过我们可以用两种思路来解决，具体看你的属性数量多少：

方案1：预定义属性映射（适合属性数量少的场景） #

如果你的jitclass属性不多（比如示例里的A、B），可以写个njit辅助函数，用静态条件判断把字符串转换成明确的属性操作。这样Numba就能在编译时确定类型，顺利执行：

from numba import jitclass, njit
from numba import float64

spec = [('A', float64), ('B', float64)]
@jitclass(spec)
class myClass():
    def __init__(self):
        self.A = 1.
        self.B = 1.
    def add_A_and_B(self):
        return self.A + self.B

# 专门处理jitclass属性设置的njit函数
@njit
def set_jitclass_attr(obj, attr_name, value):
    if attr_name == 'A':
        obj.A = value
    elif attr_name == 'B':
        obj.B = value
    # 后续加新属性的话，直接加elif分支就行

class essai():
    def __init__(self):
        self.C = myClass()
    def compute(self):
        mystring = 'C.A'
        # 先在Python层面解析属性路径，拿到目标对象和属性名
        obj_name, attr_name = mystring.split('.')
        target_obj = getattr(self, obj_name)
        # 调用njit函数完成属性更新
        set_jitclass_attr(target_obj, attr_name, 5.0)
        print(self.C.A)  # 输出5.0，验证更新成功

这里的关键是：把动态解析字符串的步骤放在Python层面完成（因为这部分不需要加速），然后把明确的对象、属性名和值传给njit函数，让它做静态的属性赋值操作。

方案2：用数组存储属性（适合属性数量多的场景） #

如果你的jitclass有几十个属性，写一堆elif太麻烦，可以把属性值统一存在数组里，用字典映射属性名到数组索引。这样动态访问就变成了数组索引操作，完全符合Numba的静态编译要求：

from numba import jitclass, njit
from numba import float64
import numpy as np

# Python层面维护属性名到数组索引的映射
ATTR_MAP = {'A': 0, 'B': 1}
# jitclass的spec里添加数组存储属性值
spec = [('attrs', float64[:]), ('A', float64), ('B', float64)]
@jitclass(spec)
class myClass():
    def __init__(self):
        self.attrs = np.array([1., 1.], dtype=np.float64)
        # 同步数组值到单个属性，方便直接访问
        self.A = self.attrs[0]
        self.B = self.attrs[1]
    
    def add_A_and_B(self):
        return self.attrs[0] + self.attrs[1]
    
    # 同步数组和单个属性的方法
    def sync_attrs(self):
        self.A = self.attrs[0]
        self.B = self.attrs[1]

@njit
def set_jitclass_attr(obj, attr_idx, value):
    obj.attrs[attr_idx] = value
    obj.sync_attrs()  # 更新后同步单个属性

class essai():
    def __init__(self):
        self.C = myClass()
    def compute(self):
        mystring = 'C.A'
        obj_name, attr_name = mystring.split('.')
        target_obj = getattr(self, obj_name)
        # 拿到属性对应的数组索引
        attr_idx = ATTR_MAP[attr_name]
        set_jitclass_attr(target_obj, attr_idx, 5.0)
        print(self.C.A)  # 输出5.0

这种方式扩展性更强，新增属性只要在ATTR_MAP里加一行，不用修改njit函数的逻辑。

为什么不能直接用字符串动态访问？ #

简单说：Numba的njit是**提前编译（AOT）**的，它需要在编译阶段就确定所有变量的类型和访问路径。像getattr(obj, 'A')或者解析字符串路径这种动态操作，编译时没法确定要访问的属性是什么，自然没法推断类型，所以会直接报错。我们必须把动态的部分提前在Python层面处理掉，转换成Numba能静态识别的操作。

内容的提问来源于stack exchange，提问作者ymmx