我是 Python 的新手，从 NumPy 开始。
我尝试执行以下操作：
a = np.arange(1, 20)
f = np.vectorize([x/(x+1) for x in a])
f(a)
TypeError: 'list' object is not callable <-- got this error
所以我想知道是否可以矢量化列表理解 另外“对象不可调用”是什么意思？备查 提前致谢
【问题讨论】：
f(a) 时你期望什么？
标签： python python-3.x numpy vectorization
不要浪费时间尝试使用np.vectorize，尤其是当您可以进行真正的 numpy 矢量化时。不要被名字所迷惑。这不是快速数值计算的捷径。
In [442]: a = np.arange(1,5)
你的列表理解：
In [443]: [x/(x+1) for x in a]
Out[443]: [0.5, 0.6666666666666666, 0.75, 0.8]
可以通过简单的 numpy 数组操作来完成：
In [444]: a/(a+1)
Out[444]: array([0.5, 0.66666667, 0.75, 0.8])
但是让我们假设我们有一个只适用于标量输入的函数：
In [445]: f = np.vectorize(lambda x: x/(x+1), otypes=[float])
In [446]: f(a)
Out[446]: array([0.5, 0.66666667, 0.75 , 0.8])
它可以工作，但它比 [444] 慢得多，并且不比 [443] 快。
【讨论】：
所以我想知道是否可以将列表理解向量化。
np.vectorize 会将函数转换为接受数组作为输入的函数。然后，您可以使用它来代替列表推导。
但从性能的角度来看，它并没有“矢量化”操作。事实上，它通常速度较慢，用于测试或语法调整。
“对象不可调用”是什么意思？
在 Python 中，“可调用”是可以“作为函数”使用的对象。当然，函数是可调用的。您可以将__call__ 方法添加到其他对象。
下面是具有__call__ 方法的类示例。
In [33]: class myclass():
...: def __init__(self):
...: pass
...: def __call__(self, x):
...: return x**2
...:
...:
In [34]: A = myclass()
In [35]: A(10)
Out[35]: 100
[x/(x+1) for x in a]是一个表达式，它返回一个值，不能被调用。 np.vectorize 的参数必须是可调用的。
这里的其他人建议使用np.vectorize(lambda x: x/(1+x))或
def f(x):
return x/(1+x)
f_vec = np.vectorize(f)
第一个是“lambda 函数”，第二个是常规函数。两者都是可调用的。
对于你展示的情况，你确实可以做到
y = x/(1+x)
这将使用 NumPy 操作。由于 x 是一个数组，这被认为是一种向量化形式（计算将在优化和向量化的 C++ 代码中进行）。
对于更复杂的计算，请查找 Cython、numexpr 或 Numba。
【讨论】：
我认为您可能对列表理解和 np.vectorize 的作用有些困惑。 np.vectorize 以一种可以将其应用于整个列表的方式更改函数。你应该使用的是 -
def foo(x):
return(x/(x+1))
f = np.vectorize(foo)
a = np.arange(1, 20)
f(a)
使用[x/(x+1) for x in a] 将获得与 f(a) 相同的结果，只是执行时间会有所不同。
您收到“list not callable”错误的原因是因为 f 是一个列表而不是一个函数，并且您试图将一个参数 (a) 传递给一个列表。
【讨论】：