如何对np.array对象数组的每个元素调用相同方法？有无更优雅实现

结论 #

原生NumPy没有专门用于批量调用数组内对象方法的内置API，但有以下几种比裸写for循环更简洁的实现方式，语法层面更优雅，性能和手动循环完全一致：

实现方式 #

1. 使用np.vectorize语法糖（最贴近你要的numpy风格调用） #

np.vectorize可以将逐元素操作包装成批量调用的形式，一行即可完成操作：

import numpy as np
# 批量调用grid方法
np.vectorize(lambda x: x.grid())(ax)

2. 列表推导（最通用，无需额外依赖） #

纯Python语法，不需要调用numpy的额外方法，写法简洁：

[axi.grid() for axi in ax]

注：该写法会生成一个元素全为None的临时列表，如果你对内存占用极度敏感，可以改用生成器表达式配合any消费：any(axi.grid() for axi in ax)，不过一般绘图场景下完全不需要做这个优化。

3. 适配Matplotlib场景的特殊写法 #

如果你只是批量处理Matplotlib的axes对象，可以直接通过画布对象的fig.axes属性拿到所有子图的axes实例，不管你创建的subplots是多少维数组，都不需要额外做reshape操作：

[axi.grid() for axi in fig.axes]

补充说明 #

所有以上写法底层都还是基于循环实现，因为NumPy的向量化优化仅针对数值运算，无法对任意Python对象的自定义方法做SIMD级别的加速，因此和你原来写的for循环性能没有差异，仅做了语法层面的简化。

内容的提问来源于stack exchange，提问作者l_MP_l