如何使用Numpy对输入数组批量调用自定义函数得到结果数组

问题核心：固定前两个参数x/y，遍历z的每个元素作为第三个参数调用f，返回numpy数组 #

你原本的写法有两个核心问题：

1. map的第一个参数需要是可调用对象，你写的f(x,y,z)是直接执行函数后的返回值，不是可调用的函数
2. 没有绑定x、y为固定值，无法和遍历的z_i关联

以下是三种常用解决方案，按需选择： #

1. 列表推导式（小数据量首选，可读性最高）

不需要额外调整函数逻辑，写法直白，只要z的规模不大（万级以内）性能完全够用：

import numpy as np

# 示例f函数，替换为你的实际逻辑
def f(x, y, z):
    return x + y * z

x = 2 # 你的固定x值
y = 3 # 你的固定y值
z = [0, 0.1, 0.25]

arr = np.array([f(x, y, z_i) for z_i in z])

2. np.vectorize包装（适配自定义复杂函数）

如果你的f是无法用numpy原生运算改写的自定义函数，用np.vectorize包装后可以直接传入整个z数组调用：

# 绑定x、y为固定值，只保留z作为入参，再向量化
vec_f = np.vectorize(lambda z_i: f(x, y, z_i))
arr = vec_f(z)

3. numpy原生向量化（大数据量首选，性能最优）

如果你的f逻辑可以用numpy的内置运算实现，直接把z作为数组传入，利用numpy的广播特性自动计算所有值，不需要显式遍历，速度比前两种快1~2个数量级：

z = np.array(z)
arr = x + y * z # 对应示例f的逻辑，替换为你的numpy实现即可

内容的提问来源于stack exchange，提问作者Elliott de Launay