在标量输入上生成 np.vectorize return 标量值

Question

以下代码 return 是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 return 简单标量值？

我觉得很奇怪它默认情况下不这样做，因为所有其他 ufunc 像 np.cos、np.sin 等都做 return 常规标量

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)) # 打印 12.5

Answer 1

结果在技术上是一个标量，因为它的形状是 ()。例如，np.array(11.5)[0] 不是有效操作，将导致异常。事实上，在大多数情况下，返回的结果将充当标量。

例如

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

如果你想得到一个 "proper" 标量值，那么你可以只包装矢量化函数来检查返回数组的形状。这就是 numpy ufuncs 在幕后所做的事情。

例如

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

在标量输入上生成 np.vectorize return 标量值

make np.vectorize return scalar value on scalar input

python

numpy

numpy-ufunc