为何numpy.vectorize调用向量化函数次数多于向量元素数，首元素被调用两次？

原因 #

numpy.vectorize并非真正的向量化实现，它本质是对输入数组每个元素做循环调用的包装器。执行时，它会先调用一次第一个元素来推断输出结果的数据类型（dtype），这就导致首元素被额外多调用一次，总调用次数比元素总数多1。

比如你给出的示例代码：

import numpy

@numpy.vectorize
def test(x):
    print(x)

test([1,2,3])

执行后输出里1出现两次，就是因为这个类型推断的额外调用。

消除副作用的解决方法 #

当函数存在副作用（比如统计计数、累加求和等场景）时，最直接可靠的方法是显式指定otypes参数，告诉vectorize输出的具体数据类型，这样它就不需要通过调用首元素来推断类型，自然不会产生额外调用。

修改后的示例代码：

import numpy

@numpy.vectorize(otypes=[int])  # 根据函数实际输出类型指定，此处示例输出为整数
def test(x):
    print(x)

test([1,2,3])

此时执行结果为：

1
2
3

每个元素仅被调用一次，副作用的异常效果就消除了。

内容的提问来源于stack exchange，提问作者vvch