Python 使np.vectorize在标量输入上返回标量值

下面的代码返回一个数组，而不是预期的浮点值

def f(x):
    return x+1
f = np.vectorize(f, otypes=[np.float])
>>> f(10.5)
array(11.5)

如果输入是标量而不是奇怪的数组类型，有没有办法强制它返回简单的标量值

我觉得很奇怪，因为所有其他的ufunc，比如np.cos、np.sin等，都会返回正则标量，所以默认情况下它不会这样做

编辑： 这是有效的代码：

import numpy as np
import functools

def as_scalar_if_possible(func):
    @functools.wraps(func) #this is here just to preserve signature
    def wrapper(*args, **kwargs):
        return func(*args, **kwargs)[()]

    return wrapper

@as_scalar_if_possible
@np.vectorize
def f(x):
    return x + 1

---

print（f（11.5））#prints 12.5

从技术上讲，结果是一个标量，因为它的形状是

（）

。例如，

np.array（11.5）[0]

不是有效的操作，将导致异常。实际上，在大多数情况下，返回的结果将充当标量

例如

---

显然，A[（）]也会起作用，没有if。来源：。我选择这个并关闭它，因为显然没有内置的方法来做这件事，只有这个黑客。谢谢从某种意义上说，矢量化本身就是一种黑客行为。它基于

np构建。frompyfunc

返回一个对象数据类型数组。

x = np.array(11.5)
print(x + 1) # prints 12.5
print(x < 12) # prints True, rather than [ True]
x[0] # raises IndexError

import numpy as np

def as_scalar_if_possible(func):
    def wrapper(arr):
        arr = func(arr)
        return arr if arr.shape else np.asscalar(arr)
    return wrapper

@as_scalar_if_possible
@np.vectorize
def f(x):
    return x + 1

print(f(11.5)) # prints 12.5