如何覆盖 NumPy 的 ndarray 和我的类型之间的比较？

在 NumPy 中，可以使用 __array_priority__ 属性来控制作用于 ndarray 和用户定义类型的二元运算符。例如：

class Foo(object):
  def __radd__(self, lhs): return 0
  __array_priority__ = 100

a = np.random.random((100,100))
b = Foo()
a + b # calls b.__radd__(a) -> 0

然而，同样的事情似乎不适用于比较运算符。例如，如果我将以下行添加到Foo，那么它永远不会从表达式中调用a < b:

def __rlt__(self, lhs): return 0

我意识到__rlt__并不是真正的 Python 特殊名称，但我认为它可能有效。我尝试了所有__lt__, __le__, __eq__, __ne__, __ge__, __gt__有或没有前面的r, plus __cmp__，也是，但我永远无法让 NumPy 调用它们中的任何一个。

这些比较可以被推翻吗？

UPDATE

为了避免混淆，这里有一个更长的 NumPy 行为描述。对于初学者来说，《NumPy 指南》一书的内容如下：

If the ufunc has 2 inputs and 1 output and the second input is an Object array
then a special-case check is performed so that NotImplemented is returned if the
second input is not an ndarray, has the array priority attribute, and has an
r<op> special method.

我认为这就是+起作用的规则。这是一个例子：

import numpy as np
a = np.random.random((2,2))


class Bar0(object):
  def __add__(self, rhs): return 0
  def __radd__(self, rhs): return 1

b = Bar0()
print a + b # Calls __radd__ four times, returns an array
# [[1 1]
#  [1 1]]



class Bar1(object):
  def __add__(self, rhs): return 0
  def __radd__(self, rhs): return 1
  __array_priority__ = 100

b = Bar1()
print a + b # Calls __radd__ once, returns 1
# 1

正如你所看到的，没有__array_priority__，NumPy 将用户定义的对象解释为标量类型，并在数组中的每个位置应用该操作。那不是我想要的。我的类型是类似数组的（但不应从 ndarray 派生）。

下面是一个更长的示例，展示了定义所有比较方法时如何失败：

class Foo(object):
  def __cmp__(self, rhs): return 0
  def __lt__(self, rhs): return 1
  def __le__(self, rhs): return 2
  def __eq__(self, rhs): return 3
  def __ne__(self, rhs): return 4
  def __gt__(self, rhs): return 5
  def __ge__(self, rhs): return 6
  __array_priority__ = 100

b = Foo()
print a < b # Calls __cmp__ four times, returns an array
# [[False False]
#  [False False]]

看来我自己可以回答这个问题了。np.set_numeric_ops可以如下使用：

class Foo(object):
  def __lt__(self, rhs): return 0
  def __le__(self, rhs): return 1
  def __eq__(self, rhs): return 2
  def __ne__(self, rhs): return 3
  def __gt__(self, rhs): return 4
  def __ge__(self, rhs): return 5
  __array_priority__ = 100

def override(name):
  def ufunc(x,y):
    if isinstance(y,Foo): return NotImplemented
    return np.getattr(name)(x,y)
  return ufunc

np.set_numeric_ops(
    ** {
        ufunc : override(ufunc) for ufunc in (
            "less", "less_equal", "equal", "not_equal", "greater_equal"
          , "greater"
          )
    }
  )

a = np.random.random((2,2))
b = Foo()
print a < b
# 4