Numpy向量化操作时如何正确排除指定数组参数以避免运行报错？

你遇到的错误是因为np.vectorize默认期望被包装的函数返回标量值，而你的myfunc返回的是长度为1的numpy数组，不是标量。

根因分析 #

• np.where(d[:,0] == x)返回的是索引数组，用它切片d[:,1]得到的结果还是数组，例如myfunc(t, 't3')的返回值是array(['1'], dtype='<U1')，而非字符串标量'1'
• np.vectorize会先调用一次你的函数推断输出数组的dtype，遇到返回的数组时无法将其作为单个元素写入结果数组，就抛出了ValueError: setting an array element with a sequence
• 你设置的excluded=['d']是正确的，这个参数的作用是指定不需要迭代的参数，会原样传给myfunc，和本次报错无关。

解决方案 #

方案1（最推荐，符合你的预期输出） #

修改myfunc，让它返回标量，取返回数组的第一个元素即可：

import numpy as np

t = np.array([['t1', 0],['t2',0],['t3',1],['t4',1]])
i = np.array(['t3', 't4'])

def myfunc(d, x): 
    # 加[0]取第一个元素，返回标量
    return d[:,1][np.where(d[:,0] == x)][0]

vfunc = np.vectorize(myfunc, excluded=['d'])
print(vfunc(d=t,x=i))

运行后输出就是你期望的array(['1', '1'], dtype='<U2')。

方案2（不修改原函数） #

显式指定otypes参数，告诉np.vectorize输出类型为对象，允许存入数组：

vfunc = np.vectorize(myfunc, excluded=['d'], otypes=[object])

这个方案返回的每个元素是长度为1的数组，需要再做一次提取才能得到你要的结果，不如方案1方便。

补充：相关官方文档翻译 #

np.vectorize的核心逻辑说明：

该函数用于将普通Python函数包装为支持数组输入的向量化版本，默认会执行一次测试调用，根据返回值推断输出数组的dtype。如果函数返回值的结构非预期，需要显式指定otypes参数来定义输出类型。
excluded参数接受参数名或位置索引的列表，被指定的参数不会参与向量化迭代，每次调用都会原样传递给原始函数。

内容的提问来源于stack exchange，提问作者user3329732