Python NumPy含while循环的函数无法作用于数组报错求解

报错的核心原因是你传入的是长度为100的numpy数组，函数内while x > i/3的判断会返回一个包含100个布尔值的数组，而while循环只能接收单个True/False作为判断条件，没法判定一整个数组的“真假”，因此抛出真值歧义的错误。
你之前写的return x+1能正常运行，是因为numpy对加减乘除这类基础算术做了向量化适配，会自动逐元素计算，但你自己写的while条件判断默认没有这个适配能力，不能直接接收整个数组作为输入。

方法1：使用numpy原生向量化API（性能最优，优先推荐） #

你写的truncation逻辑本质是把每个输入值向上取到最近的1/3倍数，完全可以用numpy内置函数实现，计算在C层执行，比手写Python循环快几十到上百倍，且天然适配数组输入：

import numpy as np

def truncation(x):
    # 等价逻辑：将值放大3倍向上取整，再除以3还原
    return np.ceil(x * 3) / 3

sample = truncation(np.random.uniform(0, 1, size=100))
print(sample)

方法2：逐元素遍历传入（逻辑最直观，适合新手理解） #

如果要保留原有的while循环逻辑不改动，不需要把整个数组直接传给函数，遍历数组逐个传入单值计算，最后再组装成数组即可：

import numpy as np

def truncation(x):
    i = 0
    while x > i/3:
        i += 1
    y = i/3
    return y 

arr = np.random.uniform(0, 1, size=100)
# 逐元素计算后转numpy数组
sample = np.array([truncation(val) for val in arr])
print(sample)

方法3：用numpy工具包装自定义函数（写法最简洁） #

numpy提供了np.vectorize工具，可以直接把仅支持单值输入的函数包装成适配数组的版本，不需要手动写遍历逻辑：

import numpy as np

def truncation(x):
    i = 0
    while x > i/3:
        i += 1
    y = i/3
    return y 

# 包装为支持数组输入的函数
vec_trunc = np.vectorize(truncation)
sample = vec_trunc(np.random.uniform(0, 1, size=100))
print(sample)

注意：np.vectorize本质是在内部封装了逐元素循环，性能和手动遍历差不多，并不是真正的向量化加速，数据量较大时优先选择方法1。

内容的提问来源于stack exchange，提问作者Esteban G.