Python np.vectorize给我索引器错误：标量变量的索引无效

尝试一些简单的东西，但令人沮丧的是它不起作用：

def myfunc(a,b):
  return a+b[0]

v = np.vectorize(myfunc, exclude=['b'])

a = np.array([1,2,3])
b = [0]

v(a,b)

这给了我“IndexError:标量变量的索引无效”

---

打印b时，函数接收的b似乎总是0，而不是[0]。我可以指定哪些参数应该矢量化，哪些参数应该保持不变吗？

只需添加打印即可查看发生的情况：

def myfunc(a, b):
    print(a, b)
    return a + b

v = np.vectorize(myfunc)

a = np.array([1,2,3])
b = np.array([0])
v(a, b)

输出：

1 0
1 0
2 0
3 0

---

该函数应用于数组的所有元素。因此它只接收标量值。你不能为标量编制索引。

答案如下：

---

v、 排除。添加（1）有效，但由于某些原因，传递排除=['b']无效。

使用

excluded=['b']

时，关键字参数

b

被排除。 因此，必须使用关键字参数调用

v

，例如

v（a=a，b=b）

而不是

v（a，b）

如果希望使用位置参数调用

v

，但不包括第二个位置参数，则使用

v = np.vectorize(myfunc)
v.excluded.add(1)

---

比如说,

import numpy as np

def myfunc(a, b):
    return a+b[0]

a = np.array([1,2,3])
b = [0, 1]

v = np.vectorize(myfunc, excluded=['b'])
print(v(a=a, b=b))
# [1 2 3]

v = np.vectorize(myfunc)
v.excluded.add(1)
print(v(a, b))
# [1 2 3]

---

我已经知道b被视为0，而不是前面提到的[0]。解决方案是添加v.excluded.add（1），但我想还是感谢您的参与。谢谢！我已经发现了这一点，但我将你的答案标记为正确的，以供将来有此问题的人参考。我碰到了另一件奇怪的事情：当我尝试像v（a，b）这样的函数时，出于某种原因，它两次接受了a的第一个元素。比如1+1+2+3或0+0+1+2，而不是1+2+3或0+1+2。知道发生了什么吗？

np.vectorize

调用函数一次（额外）来确定输出类型。您可以通过指定

类型来避免这种情况。谢谢！我应该更详细地阅读这份文件，记住类似的事情。