为何np.vectorize包装的函数执行次数多于输入元素数量？

这是np.vectorize的内部机制导致的：它会先调用一次传入的函数，用来推断输出数组的数据类型（dtype），之后才会遍历输入元素真正执行函数。

具体到你的代码：

• 当你传入["input"]这个列表时，np.vectorize会先取第一个元素"input"调用一次f，目的是确定返回值的类型，这就产生了第一次hi input的输出；
• 完成类型推断后，它再对输入的每个元素（这里只有一个）执行f，于是又打印了一次hi input；
• 最后返回处理后的数组['input']，和你看到的实际输出完全匹配。

解决方法：提前指定输出类型 #

如果你不想触发这次测试调用，可以给np.vectorize传入otypes参数，提前声明输出的数据类型，这样它就不需要调用函数来推断了：

import numpy as np

def f(x):
    print(f"hi {x}")
    return x

# 明确指定输出为字符串类型
vectorized_f = np.vectorize(f, otypes=[np.str_])
print(vectorized_f(["input"]))

运行这段代码就只会输出一次hi input和['input']。

另外要注意：np.vectorize只是个语法糖，内部还是逐个元素循环处理，并没有真正实现向量化运算，性能和普通Python循环没多大区别，不要指望它能提升计算速度。

内容的提问来源于stack exchange，提问作者zabop