我们可以使用NumPy中引入的NumPy的分配机制来编写与NumPy API兼容并提供NumPy功能的自定义实现的自定义n维数组容器，应用程序包括dask数组（分布在多个节点上的n维数组）和cupy数组（GPU上的n维数组 ）。
下面示例的实用程序不常用，但说明了所涉及的概念。
我们自定义数组可以像这样实例化：
我们可以使用numpy.array或numpy.asarray转换为numpy数组，这将调用其_array_方法以获得标准numpy.ndarray。
如果我们使用numpy函数对arr进行操作，numpy将再次使用array接口将其转换为数组，然后以通常的方式使用该函数。
返回类型是标准的numpy.ndarray
我们如何通过这个函数传递我们自定义数组类型呢？NumPy允许一个类通过接口_array_ufunc和_array_function_以定义的方式处理计算。我们一次取一个_array_ufunc_。这个方法涵盖了通用函数（ufunc），这是一类函数，其中包括numpy.multiply和numpy.sin。
该_array_ufunc_接收：
1.ufunc，类似numpy.multiply
2.method，一个字符串，区分numpy.multiply（…）和类似的变体，如numpy.multiply.outer，numpy.multiply.accumulate等等。通常情况下，numpy.multiply（…），method==‘_call_’
3.inputs,可能是不同类型的混合物
4.kwargs，将关键字参数传递给函数
在下面示例中，我们将仅处理方法_call_
现在我们的自定义数组类型通过numpy函数传递。
在这一点上arr+3是行不通的
为了支持它，我们需要定义Python接口add、It等来分派给相应的ufunc，我们可以通过继承mixin来方便地实现这一点。
接下来我们来解决_array_function_。我们将创建字典，将NumPy函数映射到我们的自定义变体。
一个简洁的模式是定义一个装饰器实现，可以用来向已处理函数添加函数。
现在，我们为实现DiagonalArray编写NumPy函数。为了支持arr.sum()的用法，添加一个调用numpy.sum(self)的方法sum，并且均值也是如此。
如果我们尝试使用HANDLED_FUNCTIONS中未包含的任何NumPy函数，则NumPy会引发TypeError，指示不支持此操作。例如，链接两个DiagonalArrays不会产生另一个对角线数组，因此不支持它。
此外，sum和mean的实现不接受NumPy的实现所接受的可选参数。
我们可以选择使用numpy.asarray转换为普通numpy.ndarray，并以此出使用标准Numpy。
如果你想学习Python，但是找不到学习路径和资源，欢迎上指尖编程。
