为什么有些numpy调用没有作为方法实现？

Question

我一直认为Python是一种高度面向对象的编程语言。最近，我一直在使用numpy，我开始想知道为什么有很多东西只作为函数实现，而不是作为numpy.array的方法（或者ndarray a）对象。

如果我们有一个给定的数组a = np.array([1, 2, 3]) np.sum(a) >>> 6 a.sum() >>> 6 ，你可以做

np.amax(a)
>>> 3
a.amax()
>>> AttributeError: 'numpy.ndarray' object has no attribute 'amax'

看起来很好但是有很多调用不能像以下那样工作：

{{1}}

我发现这令人困惑，不直观，我认为没有任何理由。不过，可能会有一个好的;也许有人可以启发我。

Answer 1

当numpy被引入作为Numeric的后继者时，许多只是函数而不是方法的东西被添加为ndarray类型的方法。在这个特定的时间，具有子类化数组类型的能力是一个新功能。人们认为，制作一些这些常用函数方法可以让子类更容易地做正确的事情。例如，使用.sum()作为方法可以使掩码数组类型忽略掩码值;你可以编写适用于普通ndarray和掩码数组的通用代码而不需要任何分支。

当然，你无法摆脱这些功能。这些函数的一个很好的特性是它们将接受任何可以强制转换为ndarray的对象，就像数字列表一样，它不会拥有所有ndarray方法。并且作为方法添加的特定功能列表可以是包罗万象的;这也不是优秀的OO设计。例如，不需要将所有trig函数添加为方法。

当前的方法列表主要是在numpy的开发中早期选择的，我们认为这些方法在子类化或符号方便方面是有用的。凭借我们的经验，我们大多认为我们添加了太多方法（严重的是，.ptp()不需要成为方法）并且子类ndarray是由于我不会进入这里的原因，这通常是一个坏主意。

因此，将方法列表主要作为可用函数列表的子集，np.amin()和np.amax()作为.min()和{{1}的轻微重命名避免别名内置函数的方法。