如何将含Numba编译函数的数组作为参数传入njit函数？

你遇到的non-precise type array(pyobject, 1d, C)错误，根源是用普通numpy数组存储Numba编译函数时，数组会被自动设为object dtype——而Numba的nopython模式无法处理类型模糊的object数组，因为它需要明确的静态类型才能完成编译优化。

可行解决方案：使用Numba typed.List #

Numba提供了typed.List这个类型化容器，专门用来存储能被Numba识别的同类型元素，包括签名一致的编译函数。修改后的代码如下：

import numpy as np
from numba import njit
from numba.typed import List

@njit()
def function1(x, y):
    return x > y

@njit()
def function2(x, y):
    return x < y

@njit()
def main(input_list):
    print(input_list[0](1, 2))
    print(input_list[1](1, 2))

# 创建Numba类型化列表并添加编译后的函数
function_list = List()
function_list.append(function1)
function_list.append(function2)

main(function_list)

这段代码能正常运行，因为typed.List会自动推断存储元素的类型（这里是(int64, int64)->bool的编译函数），Numba可以在nopython模式下直接处理这个容器。

备选方案：固定数量函数直接传参 #

如果你的函数数量是固定的，直接把每个函数作为单独参数传入njit函数，也是更简单的方式：

@njit()
def main(func1, func2):
    print(func1(1, 2))
    print(func2(1, 2))

main(function1, function2)

注意事项 #

• 不要尝试用np.array([function1, function2], dtype=function)这种写法，numpy没有原生的函数类型，最终还是会生成object数组，无法被Numba识别。
• 存储在typed.List中的函数必须有一致的签名（比如都是接受两个int参数返回bool），否则Numba会无法推断统一类型。

内容的提问来源于stack exchange，提问作者CK Chua