如何在NumPy矩阵上应用自定义聚合函数？为何vectorize不适用？

正确实现代码 #

直接使用np.apply_along_axis并指定轴为1（按行处理），就能得到预期的(100,1)形状输出，代码如下：

import numpy as np

def gen_y(X):
    if np.sum(X) > 2:
        return 1 
    elif np.sum(X) < 2:
        return 0 
    else:
        return int(np.random.uniform(0,1) > 0.5)  

# 示例输入矩阵
X = np.array([[1,1,1], [1,1,0], [0,1,0]])
# 沿行应用函数
y = np.apply_along_axis(gen_y, 1, X)
# 转换为(100,1)的列向量形状
y = y.reshape(-1, 1)

运行后输出会符合预期：

array([[1],
       [0],
       [0]])

为什么np.vectorize在这里不适用？ #

• vectorize的工作逻辑不符需求：它不是真正的向量化工具，只是个遍历单个元素的语法糖。你的gen_y是为接收整行数组设计的，但vectorize会把矩阵里的单个元素逐个传给gen_y。此时单个元素的求和结果就是它自己（0或1），必然满足np.sum(X) < 2，所以返回全0，这就是你之前得到错误输出的核心原因。
• 与apply_along_axis的冲突：你先用vectorize包装gen_y，再传给apply_along_axis。apply_along_axis会把每行数组传给np_gen_y，但np_gen_y已经被改成处理单个元素的函数，它会把传入的行拆成3个元素分别处理，返回3个值，最终拼接成和输入同形状的矩阵，完全偏离了你的需求。

简单来说：apply_along_axis本身就是用来传递整行/整列数组给函数的，不需要额外用vectorize画蛇添足。

内容的提问来源于stack exchange，提问作者jbuddy_13