使用vectorize调用meshgrid生成的张量函数时触发IndexError报错

首先明确错误原因：np.vectorize默认会将输入多维数组的单个标量元素逐个传入目标函数，但你的simpfunc需要接收长度为2的数组，所以当标量传入后访问x[1]自然会触发索引错误。

以下是几种可行的解决思路，按性能优先级排序：

1. 直接利用Numpy原生广播（最优方案） #

既然G的形状是(5,5,2)，最后一维对应每个(2,)数组的两个元素，直接通过切片取最后一维的差值即可，完全无需循环或封装函数，这是Numpy最推荐的向量化操作，性能最高：

import numpy as np

def simpfunc(x):
    return x[1] - x[0]

# 生成G
x_grid, y_grid = np.meshgrid(np.linspace(0,5,5), np.linspace(0,5,5))
G = np.array([x_grid, y_grid]).T  # 等价于原代码的写法，形状(5,5,2)

# 直接计算差值
result = G[..., 1] - G[..., 0]

2. 使用np.apply_along_axis #

如果需要保留simpfunc的逻辑复用，可以用apply_along_axis指定沿着最后一维（轴2）传递每个(2,)数组到函数中：

result = np.apply_along_axis(simpfunc, axis=2, arr=G)

注意：这个方法本质是封装了循环，性能不如原生切片操作。

3. 修正np.vectorize的参数 #

如果一定要用vectorize，需要通过signature参数明确告诉它输入是长度为n的一维数组，输出是标量，避免它拆解标量传入：

newfunc = np.vectorize(simpfunc, signature='(n)->()')
result = newfunc(G)

注意：vectorize只是语法糖，内部仍然是循环，性能远低于原生Numpy操作，仅适合快速兼容现有函数逻辑的场景。

内容的提问来源于stack exchange，提问作者William