héritage de classe, pyhton Numeric

Bonjour,
J'ai un petit devoir de modélisation à réaliser et j'aurai besoin d'une classe qui ressemblerait au type 'array' du module Numeric, avec deux ou trois attributs en rab'.....
Cependant, quand je fais hériter ma classe de 'array':

Code:

---

1 2 3

class Matrice(Numeric.ArrayType): def __init__(self,densite,taille): Numeric.ArrayType.__init__(self,[])

---

voila le retour:

Code:

---

1 2	TypeError: Error when calling the metaclass bases type 'array' is not an acceptable base type

---

:?:?
Si vous savez ce que signifie "non acceptable", merci d'avance!

Première chose, il faut utiliser NumPy maintenant plutôt que Numeric. Il me semble ensuite qu'on est obligé de passer par __new__

Code:

---

1 2 3 4

class toto(numpy.ndarray): def __new__(self, data): new = numpy.array(data, 'i').view(self) return new

---

avec les anciens modules Numeric et Numarray, il fallait faire autrement (enfin, je ne veux pas dire de bêtise, ca fait un bout de temps que j'ai migrer sur NumPy) par appel d'une fonction

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

import numarray as N import numarray.numarraycore as _nc   def _toto(result): result.__class__ = classetoto return result   def toto(*args, **keys): return _toto(_nc.array(*args, **keys))   def totoOnes(*args, **keys): return _toto(_nc.ones(*args, **keys))   def totofromlist(*args, **keys): return _toto(_nc.fromlist(*args, **keys))   def totofromfile(*args, **keys): return _toto(_nc.fromfile(*args, **keys))   class classetoto(_nc.NumArray): ...

---

tout d'abord merci de ton aide guigui.
je ne suis pas sur d'avoir le droit d'utiliser numpy pour le devoir (un prof un petit peu .....disons bizarre).Mais en attendant une réponse de ce dernier j'aimerai comprendre: pourquoi est-on obligé d'utiliser __new__?le problème étant que:

Code:

---

1 2 3 4 5 6

class toto(numpy.ndarray): def __new__(self, data): new = numpy.array(data, 'i').view(self) return new def methode(self) ....

---

renvoie un objet de tye numpy.ndarray, et donc

Code:

---

1 2 3

bidule=toto(data) bidule.methode()

---

renvoie:

Code:

---

'numpy.ndarray' object has no attribute 'methode'

---

:?
et du coup même problème si on rajoute des attributs à toto dans la méthode __new__

normale, il faut écrire

Code:

---

bidule.methode()

---

oui pardon c'est une erreur de frappe, je corrige ça tout de suite...
en fait, mon problème est que ma classe doit etre très légère car elle va etre instanciée plusieurs centaines de fois au moins (la joie des statistiques.....).
Donc au lieu de creer une classe qui contient un objet de type array, ce que j'ai fait pour l'insant, il faudrait que la classe elle-même dérive de array....
aurais-tu une idée?

avec numpy et la méthode proposée, tu as bien un objet qui dérive d'un type array ?

avec numarray:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

import numarray as N import numarray.numarraycore as _nc   def _myarray(result): result.__class__ = classemyarray return result   def myarray(*args, **keys): return _myarray(_nc.array(*args, **keys))     class classemyarray(_nc.NumArray): def methode(self): print self   a = myarray([1,2,3]) print a a.methode() print type(a) print isinstance(a, _nc.NumArray)

---

je suppose qu'avec Numeric, ca fonctionne comme avec numArray (j'en suis pas certain).
Dans tous les cas, Numeric et numarray sont obsolètes, il est mieux de travailler avec numpy

Merci bien pour ton aide précieuse guigui,
j'ai eu un peu de mal mais au final ça marche.
Cependant, contrairement à ce que je pensait, le temps d'execution augmente (de pas beaucoup mais quand me, question de principe...)
Bref, je vais rester sur l'agrégation et me passer de l'héritage pour l'instant, mais finalement, c'est si bon de se casser le crâne rien que pour le geste... :lol:
je ferme le post, a bientot

Il n'est pas trop possible d'hériter avec numarray d'après ce que j'ai entendu sur les ML dédiées à Numpy. Avec ce dernier, ça change, il y a des outils pour.
D'ailleurs numeric et numarray ne sont plus maintenus, il me semble, c'est numpy qui a pris la succession, avec les avantages de chacun.