使用“numpy”和“functools”的向量化部分函数出现无法解释的行为

Question

我正在尝试向量化一个部分函数，该函数接受两个参数，两个参数都是列表，然后对列表中的成对元素执行某些操作（使用

zip

）。然而，我发现了一些意想不到的行为。

考虑以下代码：

import functools
import numpy as np

def f(l1,l2):
    l1 = l1 if isinstance(l1,list) else [l1]
    l2 = l2 if isinstance(l2,list) else [l2]
    for e1,e2 in zip(l1,l2):
        print(e1,e2)

f(['a','b'],[1,2])

fp = functools.partial(f,l1=['a','b'])
fp(l2=[1,2])

fv = np.vectorize(fp)
fv(l2=np.array([1,2]))

Jupyter Notebook 的输出如下：

a 1
b 2

a 1
b 2

a 1
a 1
a 2
array([None, None], dtype=object)

我有两个问题：

• 首先，

  f

  开头的类型检查是必要的，因为

  np.vectorize

  似乎会自动完全展平任何输入（否则我会得到

  int32 not iterable

  异常）。 有办法避免这种情况吗？
• 其次，当部分函数

  fp

  被向量化时，显然输出不是预期的输出 - 我不确定我是否理解 NumPy 在这里做什么，包括最终的空数组输出。无论我在列表、元组或数组中嵌套多少

  [1,2]

  ，输出似乎总是相同的。 如何修复我的代码，以便矢量化函数

  fv

  按预期运行 - 与

  fp

  相同？

Answer 1

问题出在

isintance(l2, list)

。

numpy 数组不是列表。因此，您进入代码

l2 = [l2]

，使其成为一个维度为 1 的列表，第一个元素中包含 numpy 数组 [1, 2]。

我会摆脱多态性，其中 l1 和 l2 可能是列表或要打包到列表中的标量元素。