Python读取dat文件做数值运算报TypeError该如何解决

• 第一个TypeError: only size-1 arrays can be converted to Python scalars报错：Python标准库的math.sqrt()仅支持单个标量数值作为输入，你传入的P*L是numpy数组，无法被math库的单值函数处理。
• 第二个TypeError: unsupported operand type(s) for 'vectorize' and 'int'报错：np.vectorize()是用于包装普通Python函数、使其支持数组输入的工具，你直接将数组P传入np.vectorize()得到的是向量化包装器对象，而非可运算的数组，自然无法和整型常量L执行乘法。

直接使用numpy原生的np.sqrt()函数替换math.sqrt()即可，numpy内置函数天生支持向量化运算，不需要额外做向量化处理。
如果你的dat文件是两列结构（第一列为k/h，第二列为对应P值），unpack=True会返回两个数组，建议显式接收避免维度错误：

import numpy as np
import math

# 显式接收两列数据
k, P = np.loadtxt('ref-099_matterpower.dat', unpack=True)
deltaFourierSpace = np.sqrt(P * L) * np.exp(zeta * 1j)

如果你的dat文件只有P值一列，原有读取逻辑无需修改，仅替换sqrt函数即可：

P = np.loadtxt('ref-099_matterpower.dat', unpack=True)
deltaFourierSpace = np.sqrt(P * L) * np.exp(zeta * 1j)

额外说明：np.vectorize本质上只是语法糖，并不会提升运算性能，numpy原生的ufunc（通用函数，比如np.sqrt、np.exp）本身已经是C实现的向量化运算，效率远高于np.vectorize包装的函数，能直接用原生函数的场景不需要调用np.vectorize。

内容的提问来源于stack exchange，提问作者MrSmartGuy01