如何用NumPy创建几何序列？代码报TypeError错误求助

错误直接原因 #

你导入array模块并命名为arr后，直接调用arr()创建数组，但模块本身是不可调用的对象，需要调用模块内的array类，也就是arr.array()。这是触发TypeError的核心原因。

代码逐一修正建议 #

1. 修复几何序列生成函数 #

你的nthgeo_function仅执行pow(2,nth)但未返回计算结果，导致后续生成器输出全为None，必须添加return语句：

def nthgeo_function(nth):
    return pow(2, nth)

2. 正确创建几何序列数组 #

方案一：使用array模块（匹配你的参考代码逻辑）

用arr.array()而非直接arr()，同时使用array模块兼容的类型码（比如'L'表示无符号长整型，适配2^1000的大数），无需混用numpy数组，直接遍历列表即可：

list_nth = list(range(1, 1000))
# 格式：arr.array(类型码, 元素生成器/可迭代对象)
nthgeo = arr.array('L', (nthgeo_function(nth) for nth in list_nth))

方案二：使用numpy更高效（你已导入numpy）

利用numpy的向量化运算，无需单独写函数，代码更简洁：

import numpy as np
nth_array = np.arange(1, 1000)
# 直接生成2^n的numpy数组，指定dtype适配大数
nthgeo = np.power(2, nth_array, dtype=np.int64)

3. 修复模运算函数 #

原m_function是无限递归（无终止条件），且未定义m参数，改成循环遍历输出，或用numpy向量化操作：

循环版本（适配array模块或普通列表）

def m_function(arr, m):
    for num in arr:
        print(num % m)
# 调用示例：假设模值m=5
m_function(nthgeo, 5)

numpy向量化版本（效率更高）

m = 5
print(nthgeo % m)

完整修正代码示例（numpy版本） #

import numpy as np
import array as arr

# 生成n从1到999的2^n数组
nth_array = np.arange(1, 1000)
nthgeo = np.power(2, nth_array, dtype=np.int64)

# 执行模运算并输出
def m_function(arr, m):
    print(arr % m)

# 调用示例
m_function(nthgeo, 7)

内容的提问来源于stack exchange，提问作者samsa