如何让numpy.vectorize处理不同长度向量并返回组合张量？

首先咱们拆解下你原始函数的逻辑——其实根本不需要嵌套循环！你看：

for ii in range(a):
for jj in range(b):
mysumm += a * b

这里循环执行了a*b次，每次加的都是a*b，所以最终结果等价于(a*b) ** 2。搞懂这个数学关系，问题就简单多了，numpy的原生广播就能完美解决，完全没必要依赖np.vectorize。

为什么你的np.vectorize调用会出错？ #

np.vectorize本质是循环的包装器，不是真正的向量化操作。它默认会把输入数组扁平化处理，当你传入两个长度不同的向量时，它的广播逻辑和numpy原生规则不匹配，就会触发错误。而且它的效率和手动循环差不多，没必要硬用它。

正确的实现方式 #

方法1：直接用numpy原生广播（推荐） #

利用numpy的广播机制，把其中一个向量转成列向量，就能自动生成所有组合的乘积，再平方即可：

import numpy as np

a = np.array([2, 4])
b = np.array([3, 5, 8])

# 把a转成(2,1)的列向量，和(1,3)的b广播成(2,3)的矩阵
result = (a[:, None] * b) ** 2
print(result)
# 输出：
# [[  36  100  256]
#  [ 144  400 1024]]

方法2：封装成函数（如果需要保留函数形式） #

如果想把逻辑封装成函数，直接写原生向量化的版本就行：

import numpy as np

def vectorized_tester(a, b):
    a_arr = np.asarray(a)
    b_arr = np.asarray(b)
    # 确保广播兼容：把a转成列向量（如果是1D数组）
    if a_arr.ndim == 1:
        a_arr = a_arr[:, None]
    return (a_arr * b_arr) ** 2

x, y = [2, 4], [3, 5, 8]
print(vectorized_tester(x, y))
# 同样得到预期的2×3矩阵

方法3：如果一定要用np.vectorize（不推荐，效率低） #

如果你坚持想用np.vectorize，可以通过指定signature参数明确输入输出维度，让它正确处理广播：

import numpy as np

def tester(a, b):
    mysumm = 0.
    for ii in range(a):
        for jj in range(b):
            mysumm += a * b
    return mysumm

# 指定signature：输入两个标量，输出一个标量
tester_vec = np.vectorize(tester, signature='(),()->()')
x, y = [2, 4], [3, 5, 8]
print(tester_vec(x, y))
# 输出符合预期的矩阵

不过要强调：这种方法本质还是在循环，效率远不如前两种原生向量化方式，只适合快速兼容旧代码的场景。

内容的提问来源于stack exchange，提问作者kilojoules