TypeError: only size-1 arrays can be converted to Python scalars 求解

你遇到的TypeError: only size-1 arrays can be converted to Python scalars错误核心原因是：

• np.meshgrid生成的X、Y都是二维数组，而你写的Nseen函数里的int(x/5-16)操作只能接收单个Python标量，没法直接处理数组输入，调用Nseen(X,Y)时就会触发类型错误。
• 你自定义的G(x)、GW(x)以及底层的数学函数本身支持numpy向量化运算，唯一卡点就是e数组的索引逻辑不支持数组输入。

改动最小的修复方式是用np.vectorize包装Nseen函数，让它支持批量数组输入，代码如下：

# 先定义完全部常量、子函数、e数组、Nseen函数后，添加这行做向量化包装
Nseen_vec = np.vectorize(Nseen)

# 生成坐标网格
x = np.linspace(80,120,9)
y = np.linspace(10**(-8),10,1000)
X, Y = np.meshgrid(x, y)

# 用包装后的函数计算等高线输入矩阵
Z = Nseen_vec(X, Y)

# 绘图
import matplotlib.pyplot as plt
fig, axs = plt.subplots()
axs.contour(X,Y,Z,levels=[420.69],colors='black')
plt.show()

如果运行还有异常，可以先做两段验证：

• 取单个x、y值调用Nseen(80, 1)，确认函数本身无逻辑错误
• 取长度为10的x数组、单个y值调用Nseen_vec(x_arr, 1)，确认向量化包装生效

np.vectorize本质是Python循环的语法糖，性能较低，你可以直接把索引逻辑改成numpy广播实现，完全规避循环，性能可以提升数十倍：
你的x取值np.linspace(80,120,9)刚好对应x/5-16的结果为0到8的整数，和e数组的9个元素一一对应，可以提前计算每个x对应的参数，再直接和Y做广播运算：

# 提前计算每个x对应的e值、G(x)值、GW(x)值，都是长度为9的一维数组
e_vals = np.array([e[int(xi/5-16)] for xi in x])
G_vals = G(x)
GW_vals = GW(x)

# 利用广播直接计算整个Z矩阵，无循环
numerator1 = 0.147*8.815*10**(-6)
numerator2 = e_vals[np.newaxis, :] * Y * G_vals[np.newaxis, :] * 2 * Y * GW_vals[np.newaxis, :]
denominator = 4.1/1000 + Y * G_vals[np.newaxis, :]
Z = (numerator1 + numerator2) / denominator * 26340 * 20.3

内容的提问来源于stack exchange，提问作者pollux33