Matplotlib绘制函数遇ValueError：如何不修改函数内部解决

尝试使用Matplotlib绘制如下自定义函数：

def f(x):
    return 50 * (1 / (1 + ((50/5)-1) * e ** -max(0, 0.1 * x)))

运行绘图代码时出现错误：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

错误根源在于函数中的-max(0, 0.1 * x)部分：通过np.linspace()生成的x是数组，而Python内置的max函数无法逐元素处理数组，只能处理单个数值，导致判断逻辑歧义。

完整的原始绘图代码：

import matplotlib.pyplot as plt
import numpy as np
from math import e

# 200个线性分布在-10到100之间的数值
x = np.linspace(-10,100,200)

def f(x):
    return 50 * (1 / (1 + ((50/5)-1) * e ** -max(0, 0.1 * x)))

# 设置坐标轴位置
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.spines['left'].set_position('center')
ax.spines['bottom'].set_position('zero')
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

# 绘制函数（此处触发错误）
plt.plot(x,f(x), 'r')

# 显示图像
plt.show()

要求：不修改函数f(x)内部代码（避免破坏已有单元测试），解决错误并成功绘制函数图像。

由于不能修改f(x)的内部逻辑，我们可以通过逐元素调用函数的方式处理数组，两种可行方法如下：

方法1：使用np.vectorize()包装函数 #

np.vectorize()可以将原本只接受单个数值的函数，转换成能处理numpy数组的函数，自动对数组的每个元素应用原函数逻辑。

修改后的绘图代码：

import matplotlib.pyplot as plt
import numpy as np
from math import e

x = np.linspace(-10,100,200)

def f(x):
    return 50 * (1 / (1 + ((50/5)-1) * e ** -max(0, 0.1 * x)))

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.spines['left'].set_position('center')
ax.spines['bottom'].set_position('zero')
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

# 用np.vectorize包装f，实现数组逐元素处理
plt.plot(x, np.vectorize(f)(x), 'r')

plt.show()

方法2：使用列表推导式手动遍历元素 #

手动遍历数组中的每个元素，调用f(x)后将结果组合成numpy数组：

修改plt.plot部分的代码即可：

# 遍历数组元素，逐个调用f，再转成numpy数组
y = np.array([f(xi) for xi in x])
plt.plot(x, y, 'r')

这两种方法都不会修改f(x)的内部代码，完全保留原函数逻辑，不会影响已有的单元测试，同时解决了数组处理的错误，能够正常绘制函数图像。

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