对嵌套数组应用函数时触发TypeError的问题排查

错误原因 #

你遇到的问题核心是object类型嵌套数组的特性和np.apply_along_axis的处理逻辑冲突：

• 你的arr是dtype=object的数组，每个元素本身是独立的numpy数组（包括空数组）。
• 当用np.apply_along_axis传入lambda x: np.exp(-x)时，numpy会将每个子数组以object类型元素的方式传递给lambda。此时np.exp处理object类型元素时，会尝试调用元素自身的exp()方法，但numpy数组并没有这个实例方法（正确用法是np.exp(x)），因此触发报错。
• 而x * 6371能正常运行，是因为numpy数组重载了乘法运算符*，可以直接执行运算。

可行方案 #

1. 列表推导式（推荐） #

写法简洁，逻辑和你原来的循环完全一致，性能也相当：

result = np.array([np.exp(-a) for a in arr], dtype=object)

这个方法直接遍历每个子数组，调用np.exp(-a)处理，完美适配空数组和不同长度的子数组。

2. np.vectorize包装（语法糖） #

本质还是循环，只是包装成“向量化”的形式，适合追求语法一致性的场景：

vec_exp = np.vectorize(lambda x: np.exp(-x), otypes=[object])
result = vec_exp(arr)

注意：np.vectorize没有性能提升，只是语法层面的封装。

3. 同构数组的真正向量化（仅适用于子数组长度一致的情况） #

如果你的所有子数组长度相同（没有空数组），可以先将object数组转换为二维数值数组，再实现真正的向量化处理：

# 假设所有子数组长度相同
arr_2d = np.stack(arr)
result = np.exp(-arr_2d)

但你的例子里包含空数组，所以这个方法不适用。

总结 #

对于包含不同长度子数组（或空数组）的object类型嵌套数组，无法实现真正的numpy向量化（因为numpy向量化要求数组结构完全同构）。列表推导式是最简洁高效的替代方案，逻辑清晰且适配所有场景。

内容的提问来源于stack exchange，提问作者Droid