请教Numpy vectorize中signature参数的工作机制及用法

核心作用 #

signature是给np.vectorize指定输入输出的形状模板，让它不再默认逐标量处理，而是按照你定义的维度规则批量调用目标函数，适配非标量的输入输出场景。

你的示例拆解 #

对于signature="(),(),(),()->(2)"：

• 前四个()：每个括号对应函数a_function(a,b,c,d)的一个参数，表示这四个参数都是标量（0维数组）。批量调用时，vectorize会从输入数组里逐个取出标量传入原函数。
• ->：用来分隔输入参数的形状模板和输出的形状模板。
• (2)：表示原函数的输出是一个长度为2的一维数组（1维，尺寸为2）。vectorize会把所有调用的结果拼接成符合这个形状的批量输出数组。

通用规则 #

• 括号内的数字代表对应维度的尺寸：比如(m,n)表示一个m行n列的二维数组，()表示标量（0维）。
• 支持用字母表示任意匹配的尺寸：比如(n)->(n,2)，表示输入是长度为n的一维数组，输出是n行2列的二维数组，n会自动匹配输入的实际长度。
• 多输入参数的形状可以不同：比如(3,), (2)->(3,2)，表示第一个参数是长度3的一维数组，第二个是长度2的一维数组，输出是3行2列的二维数组。

注意事项 #

• np.vectorize本质还是Python循环包装，不是真正的底层向量化运算，性能提升有限，适合快速适配已有函数，而非追求高性能场景。
• 原函数必须能处理signature指定的输入形状：比如如果signature定义输入为(3)，原函数要能接受长度为3的数组作为参数，否则会报错。

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