Python &引用；尺寸0的轴-1不存在；使用numpy矢量化时出错

我试图将自定义函数映射到numpy数组的每个元素。有关职能：

def find_closest(value, lookup_array, breed=True):
    if breed == True:
        return lookup_array[sum(lookup_array <= value) - 1]
    else:
        return lookup_array[sum(lookup_array >= value) - 1]

我有一个错误：

尺寸0的轴-1不存在

---

非常感谢您的帮助。

您忘了告诉程序不允许在查找数组上进行矢量化。通过使用参数excluded，可以很容易地解决这个问题。这段代码对我来说很好（请注意，现在必须命名参数）：

将numpy导入为np
def find_closest（值、查找数组、品种=True）：
如果breed==True：
返回查找数组[和（查找数组=值）-1]
lut=np.数组（np.arange（-20,20.25,0.25））
样本1=np.随机.正常（大小=（10,10））
func=np.vectorize（查找最近的，排除的=['lookup\u array']））
打印（func（值=sample1，查找数组=lut））

np.vectorize

将所有参数的标量传递给函数。如果只迭代第一个参数，会更简单。我尝试了这个解决方案。然而，我得到了另一个错误：“TypeError:”

import numpy as np
mapped_arr = np.vectorize(find_closest)(np.random.normal(size=(10,10)),np.array(np.arange(-20,20.25,0.25)))

import numpy as np

def find_closest(value, lookup_array, breed=True):
    if breed == True:
        return lookup_array[sum(lookup_array <= value) - 1]
    else:
        return lookup_array[sum(lookup_array >= value) - 1]
        
lut = np.array(np.arange(-20,20.25,0.25))
sample1 = np.random.normal(size=(10,10))

func = np.vectorize(find_closest, excluded=['lookup_array'])
print(func(value=sample1,lookup_array=lut))