numpy.fromfunction()行为差异咨询：为何两种写法输出不同

核心行为说明 #

np.fromfunction() 的工作逻辑是：根据指定的shape生成对应维度的坐标数组，把这些坐标数组作为参数传入你定义的函数，最终根据函数的返回值构建结果。

关键规则：

• 如果函数返回的是标量，fromfunction会直接返回这个标量；
• 如果函数返回的是和输入坐标数组同形状的数组，才会生成与shape参数匹配的结果数组。

两种函数写法的差异分析 #

1. 写法一：lambda i, j: 1
   执行这段代码时，fromfunction会生成形状为(2,2)的坐标数组i和j，但你的函数直接返回标量1，完全没有利用输入的坐标数组。此时fromfunction拿到的返回值是单个标量，所以输出就是1。

   代码示例：

   import numpy as np
   array = np.fromfunction(lambda i, j: 1, shape=(2, 2), dtype=float)
   print(array)  # 输出：1
   

2. 写法二：lambda i, j: i*0 + 1
   这里的i是形状为(2,2)的数组（具体值为[[0,0],[1,1]]），j是[[0,1],[0,1]]。i*0会得到和i同形状的全0数组，加1后变成形状为(2,2)的全1数组。函数返回的是这个二维数组，因此fromfunction最终输出符合预期的二维全1数组。

   代码示例：

   import numpy as np
   array = np.fromfunction(lambda i, j: i*0 + 1, shape=(2, 2), dtype=float)
   print(array)
   # 输出：
   # [[1. 1.]
   #  [1. 1.]]
   

额外说明 #

如果想用fromfunction生成全1数组，除了借助坐标数组进行运算，也可以显式返回同形状数组，比如：

array = np.fromfunction(lambda i,j: np.ones_like(i), shape=(2,2), dtype=float)

当然，实际场景中更推荐直接用np.ones()或np.full()，这两个接口更直观高效。

内容的提问来源于stack exchange，提问作者Mohsen_Fatemi