对numpy.vectorize的误解：为何无法实现逐行向量点积运算

你定义了计算向量点积的函数，单个向量输入时能正常输出结果，但尝试用np.vectorize将函数应用到矩阵的每一行时，无法得到预期的逐行点积结果。

为什么np.vectorize不行？ #

np.vectorize并非真正的向量化实现，它只是对元素级循环做了封装。当你传入3x3的矩阵X和1x3的向量y时，它会逐元素配对计算：比如拿X[0,0]和y[0]、X[0,1]和y[1]……以此类推，而不是把X的每一行作为完整向量和y做点积，所以结果不符合预期。

正确的解决方案 #

方案1：直接用numpy原生矩阵乘法（最推荐）

numpy本身就支持矩阵与向量的广播运算，一行代码就能实现逐行点积：

import numpy as np

y = np.array([0, 1, 2])
X = np.array([[0,0,0], [1,1,1], [2,2,2]])

# 两种写法等价，都是计算每行与y的点积
result = X @ y
# 或者 result = X.dot(y)
print(result)  # 输出：[0 3 6]

方案2：用np.apply_along_axis（适用于自定义函数更复杂的场景）

如果你的自定义函数逻辑比单纯点积更复杂，可以用apply_along_axis指定按行传递数据：

import numpy as np

def func(x, y):
    return np.dot(x, y)

y = np.array([0, 1, 2])
X = np.array([[0,0,0], [1,1,1], [2,2,2]])

# axis=1表示沿着行方向处理每个子数组
result = np.apply_along_axis(func, axis=1, arr=X, y=y)
print(result)  # 输出：[0 3 6]

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