基于numpy现有数组计算生成新数组：np.fromfunction写法正确性及无循环方案

你的实现是正确的，输出结果和初始for循环版本完全匹配，逻辑也和需求对齐：

• 对每一对行索引x、y，计算两行对应元素差的绝对值的nanmean
• 增加了nan判断，结果异常时返回0
• 加了0.001的偏移避免除零错误

不过要注意：np.vectorize本质只是语法包装，内部还是逐元素迭代执行，没有真正实现向量化加速，性能和你手写显式for循环没有本质差异。

存在纯numpy原生向量化的无循环实现，核心利用numpy的广播机制扩展维度批量计算，性能远高于循环和np.vectorize写法，代码如下：

import numpy as np

s = np.array([[ 5.,  4., np.nan,  1., np.nan],
       [np.nan,  4.,  4.,  2.,  2.],
       [ 3., np.nan, np.nan,  5.,  5.],
       [np.nan,  3.,  4.,  4., np.nan]])

# 广播计算所有行对的绝对差，输出形状为 (n_rows, n_rows, n_cols)
abs_diff = np.abs(s[:, np.newaxis] - s)
# 沿最后一个轴（列维度）计算忽略nan的均值，输出形状为 (n_rows, n_rows)
mean_diff = np.nanmean(abs_diff, axis=2)
# 计算权重，同时处理可能的nan值
s1 = np.nan_to_num(1 / (mean_diff + 0.001), nan=0)

该代码输出和你原有两个版本的结果完全一致，且所有运算都在numpy底层C层面执行，没有Python层面的循环，当数组行数较多时性能优势会非常明显。

内容的提问来源于stack exchange，提问作者robocon20x