为何np.vectorize包装的函数执行次数多于传入元素数量？——单元素列表场景下执行两次的原因探究

这个问题的核心原因是numpy.vectorize在初始化向量化函数时，会自动调用一次你的目标函数来推断输出数组的数据类型（dtype），再加上实际遍历输入元素的那次调用，就导致了函数被执行两次的现象。

具体细节拆解： #

1. np.vectorize的本质：它并不是真正的底层向量化实现（底层还是循环遍历元素），而是一个方便的包装器。为了生成符合numpy数组要求的返回值，它需要提前明确输出的dtype。
2. 推断dtype的过程：当你没有显式指定otypes参数时，vectorize会取输入的第一个元素（这里就是"input"），调用一次你的函数f，根据返回值来确定输出数组的dtype。
3. 实际执行过程：完成dtype推断后，vectorize才会真正遍历输入的所有元素（这里输入是长度为1的列表，所以再调用一次f）。

验证与解决方法： #

如果你显式指定otypes参数，告诉vectorize输出的类型，它就不需要再调用函数来推断dtype，只会执行一次：

import numpy as np
def f(x):
    print(f"hi {x}")
    return x

# 指定otypes为字符串类型
print(np.vectorize(f, otypes=[str])(["input"]))

此时输出就会符合你的预期：

hi input
['input']

额外注意： #

如果你的输入是空数组，vectorize的行为会有所不同（可能会抛出错误或者需要更明确的类型指定），但在你的场景中，输入长度为1，所以就是推断dtype的调用+实际执行的调用，导致了两次打印。

内容的提问来源于stack exchange，提问作者zabop