Блог

Для проекта на python у меня есть задачи объединить работу двух коллег и вызвать их функции. Чтобы разобраться в сути проблемы, рассмотрим следующий сценарий:

Коллега А вычисляет значения положения и скорости объектов в своем модуле «body_class.py » это выглядит примерно так:

 class Body:
def __init__(self, x, y, z, vx, vy, vz):
    self.x = x
    self.y = y
    self.z = z
    self.vx = vx
    self.vy = vy
    self.vz = vz
  

Для других функций, которые он запрограммировал, он хотел бы сохранить код как можно более чистым и называть компоненты векторов положения и скорости их соответствующими именами. По этой причине он сохранил их как отдельные переменные.

Коллеге B необходимо использовать значения положения и скорости всех объектов Body для некоторых вычислений, которые критичны по времени, поэтому он решил использовать numpy ndarrays для ускорения матричных вычислений. Входные данные, которые он ожидает для своей работы, — это 2D numpy ndarray, который содержит все компоненты положения и скорости всех объектов тела в форме (пример для трех объектов тела):

 state = np.array([[2, 0, 3, -2, 0, -3], #Body 1
                 [0, 0, 1, 1, 0, 0],    #Body 2
                 [0, 5, 2, 4, 3, 2]])   #Body 3
  

Есть ли способ объединить ясность кода при использовании объектно-ориентированных переменных экземпляра для операций коллеги A с преимуществами эффективности numpy для вычислений коллеги B?
Моя первоначальная идея состояла в том, чтобы сохранить ndarray, содержащий информацию о местоположении и скорости для всех объектов, в качестве переменной класса тела класса (чтобы коллега B мог легко получить доступ к этой переменной «состояние»), аналогично этому:

 class Body:
states = np.empty([0,6])
def __init__(self, x, y, z, vx, vy, vz):
    self.x = x
    self.y = y
    self.z = z
    self.vx = vx
    self.vy = vy
    self.vz = vz
    Body.states = np.concatenate((self.states, np.array([[self.x, self.y, self.z, self.vx, self.vy, self.vz]])), axis=0)
  

…и затем создать переменную экземпляра для каждого объекта Body, которая содержит только указатель / ссылку на соответствующий элемент ndarray (чтобы коллега A мог получить доступ к переменным, например, вызывая self.x изнутри класса без необходимости постоянно обновлять как эту переменную экземпляра, так и соответствующий элемент ndarray), ноЯ не знаю, возможно ли это реализовать в Python, не говоря уже о том, было бы ли это хорошим решением для этой ситуации или лучшим решением было бы просто использовать одну из обеих возможностей (ndarray VS переменные экземпляра)

Приветствуются любые идеи и советы! Заранее спасибо за вашу помощь!

Обновить:

Проект представляет собой симуляцию, поэтому два описанных выше действия выполняются на каждом временном шаге симуляции, что создает проблему с производительностью. Итак, я ищу решение, которое позволяет сохранять значения положения и скорости всех объектов Body непосредственно в одном большом 2D-массиве (который является необходимым вводом для коллеги B), в то же время позволяя получать к ним доступ по имени экземпляра объекта (например, b1.x) или другому болеезначимое имя вместо необходимости использовать индексы массива, такие как состояние [3,2] .

То, что я хотел бы предотвратить, — это сначала установить значения положения и скорости для каждого экземпляра тела в их атрибутах экземпляра, а затем снова создавать большой 2D-массив «state» на каждом временном шаге, перебирая все экземпляры тела и складывая их отдельные значения положения и скорости вместе (как дляя понимаю, что это было бы весьма пагубно для производительности, но, пожалуйста, поправьте меня, если я ошибаюсь)

Звучит как задание для именованного кортежа:

 from collections import namedtuple

Body = namedtuple('Body', ['x', 'y', 'z', 'vx', 'vy', 'vz'])
b1 = Body(2,0,3,-2,0,3)

# now it is possible to access attributes both by name...
b1.x  # returns 2
# ... and as an array
np.array(b1)  # array([ 2,  0,  3, -2,  0,  3])
  

UPD: создание подклассов и отслеживание экземпляров объектов PoC

 _Body = namedtuple('Body', ['x', 'y', 'z', 'vx', 'vy', 'vz'])

class Body(_Body): 
    instances = set() 
 
    def __new__(cls, *args, **kwargs): 
        body = super(Body, cls).__new__(cls, *args, **kwargs) 
        Body.instances.add(body) 
        return body 
         
    def __del__(self): 
        Body.instances.remove(self) 
         
    def xy(self): 
        return self.x   self.y 

    @classmethod 
    def states(cls):
        # will return a 2D numpy array of all Body instances
        return np.array(list(cls.instances))