子类化的ndarray相对简单，但是与其它Python对象相比，它却更复杂一点。
ndarrays和对象创建
ndarray的子类化很复杂，因为ndarray类的新实例可以通过三种不同的方式产生。
1.显示的构造函数调用在MySubClass（params），这是创建Pythton实例的常用方法。
2.视图转换，将现有的ndarray转换为给定的子类
3.模板新功能，从模板实例创建新实例，包括从子类化的数组返回切片，从ufunc创建返回类型以及复制数组。
最后两个是ndarray的特性-为了支持数组切片之类的功能。子类化ndarray的复杂性是由于NumPy必须支持后两种实例创建路径的机制。
视图转换
视图强制转换是标准的ndarray机制，通过这种机制，我们可以获取任何子类的ndarray，并返回数组的视图作为另一个（指定的）子类。
从模板创建新的
当NumPy发现它需要从模板实例创建一个新实例时，ndarray子类的新实例也可以通过与查看类型转换非常相似的机制来实现，这种情况最明显的地方是在获取子类数组的切片时。
切片是原始c_arr数据的视图，因此，当我们从ndarray中获取一个视图时，我们返回一个新的ndarray，它属于同一个类，指向原始的数据。
在使用ndarray的其它地方，我们会用到这样的视图，比如复制数组（c_arr.copy()）,创建ufunc输出数组，以及减少方法（c_arr.mean()）。
向现有数组添加属性
使用已存在的标准ndarray的类，将其强制转换为我们的类型，并添加一个额外的属性。
所以：
子类化和下游兼容性
当子类化ndarray或创建模仿ndarray接口的duck类型时，你应决定api将如何与NumPy的api保持一致。为了方便起见，许多具有相应ndarray方法的NumPy函数（如，sum、mean、take、recapay）通过检查函数的第一个参数是否具有相同名称的方法来工作。如果存在则调用该方法，而不是将参数强制转换为NumPy数组。
例如，如果你希望你的子类或duck_type与NumPy的sum函数兼容，那么这个对象的sum方法的方法签名应该如下所示：
这与np.sum完全相同的方法签名,因此，如果我们现在在此对象上调用np.sum，则NumPy将调用该对象自己的sum方法，并将上述列举的参数传入签名中，并且不会引发错误，因为签名彼此完全兼容。
但是，如果你决定偏离此签名并执行以下操作：
则该对象不再与np.sum兼容，因为如果调用np.sum,它将传入意外的参数out和keepdims，从而引发TypeError。
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。
