这是一个Python/Numpy bug还是一个微妙的问题？

Question

考虑以下两个相同代码的实现。我本以为他们是一模一样的，但事实并非如此

这是一个Python/Numpy bug还是一个微妙的问题？如果是后者，有什么规则可以让人明白为什么它不能像预期的那样工作

我使用的是多个数据数组，必须逐项处理每个数组，每个数组都由表根据其元数据进行操作

在现实世界的例子中，“n”是多个因子和偏移量，但下面的代码仍然说明了一个问题，即除了一个例子外，我在所有情况下都得到了错误的结果

import numpy as np

# Change the following line to True to show different behaviour
NEEDS_BUGS = False  # Changeme

# Create some data
data = np.linspace(0, 1, 10)
print(data)

# Create an array of vector functions each of which does a different operation on a set of data
vfuncd = dict()

# Two implementations
if NEEDS_BUGS:
    # Lets do this in a loop because we like loops - However WARNING this does not work!!
    for n in range(10):
        vfuncd[n] = np.vectorize(lambda x: x * n)
else:
    # Unwrap the loop - NOTE: Spoiler - this works
    vfuncd[0] = np.vectorize(lambda x: x * 0)
    vfuncd[1] = np.vectorize(lambda x: x * 1)
    vfuncd[2] = np.vectorize(lambda x: x * 2)
    vfuncd[3] = np.vectorize(lambda x: x * 3)
    vfuncd[4] = np.vectorize(lambda x: x * 4)
    vfuncd[5] = np.vectorize(lambda x: x * 5)
    vfuncd[6] = np.vectorize(lambda x: x * 6)
    vfuncd[7] = np.vectorize(lambda x: x * 7)
    vfuncd[8] = np.vectorize(lambda x: x * 8)
    vfuncd[9] = np.vectorize(lambda x: x * 9)

# Prove we have multiple different vectorised functions
for k, vfunc in vfuncd.items():
    print(k, vfunc)

# Do the work
res = {k: vfuncd[k](data) for k in vfuncd.keys()}

# Show the result
for k, r in res.items():
    print(k, r)

Answer 1

python变量n似乎绑定到向量化表达式：

for n in range(10):
    vfuncd[n] = np.vectorize(lambda x: x * n)

这会在创建要绑定的新对象时修复它：

for n in range(10):
    vfuncd[n] = np.vectorize(lambda x: x * np.scalar(n))

事实上，这对性能有影响，因为我假设必须重复获取python变量的值