nump 向量化的试运行

如何解决nump 向量化的试运行

当我运行一个用 numpy 向量化的函数时，它总是比我预期的多执行一次。因此，在实际调用开始之前，似乎有一个试运行。最近，我因此遇到了麻烦。请参阅以下最小示例：

import numpy as np

class PERSON:
    def __init__(self,age):
        self.age = age

class TIME:
    def __init__(self):
        self.ages = np.array([0,0])

    def init_persons(self):
        vec_init_persons = np.vectorize(self.__scalar_init_person)
        self.persons = vec_init_persons(self.ages)

    def __scalar_init_person(self,age):
        return PERSON(age)

    def let_time_pass(self):
        vec_let_time_pass = np.vectorize(self.__scalar_let_time_pass)
        vec_let_time_pass(self.persons)

    def __scalar_let_time_pass(self,person):
        person.age += 1

time = TIME()
time.init_persons()
time.let_time_pass()

print("Age of person 1: {}".format(time.persons[0].age)) # output is 2 not 1!
print("Age of person 2: {}".format(time.persons[1].age)) # output is 1

通常情况下，我会猜到，两个人的年龄都是 1。 所以我的问题是：

1. 现在有人知道这次试运行的目的吗？对我来说，我似乎只是潜在麻烦的来源。

2. 通过示例说明，pythonic 处理问题的方法是什么？

解决方法

来自文档

vectorized 的输出数据类型由调用决定 具有输入的第一个元素的函数。这是可以避免的 通过指定 otypes 参数。

提供 vectorize 函数主要是为了方便，而不是为了 表现。实现本质上是一个 for 循环。