我在研究 numpy.vectorize。我定义了一个函数 f，它接收一个输入，打印 hi {input}，然后原样返回该输入。

import numpy as np

def f(x):
    print(f"hi {x}")
    return x

当我调用：

print(np.vectorize(f)(["input"]))

我期望得到：

hi input
['input']

然而，我得到的是：

hi input
hi input
['input']

似乎 f 被执行了两次，尽管 np.vectorize 收到了一个长度为1 的列表。

如何解释向量化函数看起来执行次数过多？

换句话说，更具体地说，在这个场景下：我想知道为什么会得到 hi input 两次。

解决方案

该函数会被调用两次以确定输出的数量。

numpy.vectorize 文档（注）：

如果既未指定otypes，也未指定signature，那么将使用对第一个参数的函数调用来确定输出的数量。若cache设置为True，则此次调用的结果会被缓存，以防止对函数进行两次调用。然而，为实现缓存，必须对原始函数进行包装，这会降低后续调用的速度，因此只有在你的函数计算成本较高时才这么做。

指定类型将防止第二次调用：

print(np.vectorize(f, otypes=[object])(["input"]))

将 cache 设置为 True：

print(np.vectorize(f, cache=True)(["input"]))

它们两者都会输出

hi input
['input']

你也可以指定签名：

print(np.vectorize(f, signature="(m)->(m)")(["input"]))

这将输出

hi ['input']
['input']

在线试用！