np.vectorize 给我 IndexError: invalid index to scalar variable答案

【问题标题】：np.vectorize giving me IndexError: invalid index to scalar variablenp.vectorize 给我 IndexError: invalid index to scalar variable
【发布时间】：2015-12-03 11:53:37
【问题描述】：

尝试一些简单的东西却令人沮丧地不起作用：

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：标量变量的无效索引”。在打印 b 时，函数输入的 b 似乎始终为 0，而不是 [0]。我可以指定哪些参数应该被向量化，哪些应该保持不变？

【问题讨论】：

标签： python numpy

【解决方案1】：

当您使用excluded=['b'] 时，关键字 参数b 被排除在外。因此，您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)。

如果您希望使用排除第二个位置参数的位置参数调用v，请使用

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

例如，

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]

【讨论】：

谢谢！我已经发现了这一点，但是我将您的答案标记为对将来遇到此问题的任何人都是正确的。我遇到了一些奇怪的事情：当我用上述函数尝试类似 v(a, b) 的东西时，由于某种原因，它需要两次 a 的第一个元素。就像 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）时间来确定输出类型。您可以通过指定 otypes 来避免这种情况。
谢谢！我应该更详细地阅读文档，记住类似的内容。

【解决方案2】：

这就是答案：

v.excluded.add(1) 有效，尽管由于某种原因传递 exclude=['b'] 无效。

【讨论】：

【解决方案3】：

只需添加 print 看看会发生什么：

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：

该函数应用于数组的所有元素。所以它只接收标量值。您不能索引标量。

【讨论】：

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)，但我猜是感谢您的参与。