类和模块方法的 Pythonic 使用

Question

我想这是一个初学者的问题，但我想知道当您遇到使用模块中定义的类中的类方法的情况时，要使用更Pythonic的方法，例如以及模块本身定义的方法。我将使用 numpy 作为示例。

import numpy as np

foo = np.matrix([[3, 4], [9, 12]])

# Get norm (without using linalg)
norm = np.sqrt(foo.dot(foo.T)).diagonal()

我可以使用混合情况，就像这样，我调用 foo 的方法和 numpy 中定义的方法，或者我可以编写如下代码:

norm = np.diagonal(np.sqrt(np.dot(foo, foo.T)))

我自己更喜欢使用 foo.bar.baz.shoop.doop 语法，但在这种情况下我不能，因为 sqrt 不是 foo 的方法。那么，编写这样一行代码的更 Pythonic 方式是什么？

顺便问一下，与模块中定义的方法相比，类方法通常是否更优化？我不太明白幕后发生的事情，但我假设(再次使用 numpy 作为示例)numpy 有一个 np.dot 方法，该方法是为 arg 可以是数组或矩阵的一般情况编写的，而 np.matrix.dot 仅针对矩阵运算进行了重新实现和优化。如果我的理解有误，请纠正我。

Answer 1

您所问的问题实际上没有答案，因为您所问的案例根本不存在。

通常，在 Python 中，您没有相同的函数可用作方法和全局函数。

NumPy 是一种特殊情况，因为一些(但不是全部)顶级函数也可用作适当对象上的方法。即使如此，它们通常也不具有相同的语义，因此答案不是风格问题，而是哪个是正确的功能。

例如，在您的情况下，您唯一可以选择的是对角线。这两个选项给出了不同的结果。

>>> m = matrix([[1,2,3], [4,5,6], [7,8,9]]
>>> np.diagonal(m)
array([1, 5, 9])
>>> m.diagonal()
matrix([[1, 5, 9]])

模块函数接受形状为 (N, N) 的二维数组并返回形状为 (N,) 的一维数组。该方法采用形状为 (N, N) 的二维矩阵并返回形状为 (1, N) 的二维矩阵。

matrix 方法可能会更快。但这并不重要，重要的是如果其中一个是正确的，另一个就是错误的。这就像问 + 或 * 是否是两个数字相乘的更快方法。无论 + 是否比 * 更快，它都不是更快的乘法方式，因为它不会相乘。