Numpy vectorize() 正在展平整个数组

我的输入是一个 numpy 元组数组

values = np.array([(4, 5, 2, 18), (4, 7, 3, 8)])

我的功能如下：

def outerFunc(values):
    print(values)
    def innerFunc(values):
        print(values)
        mean = np.mean(values)
        result = 0
        for i in range(len(values)):
            result += math.pow(values[i] - mean, 2)
        return result

    if isinstance(values, np.ndarray):
        return np.vectorize(innerFunc)(values)
    else:
        return innerFunc(values)

虽然我想对一维进行向量化，即在innerFunc内部执行一个元组，但我的输出如下：

[[ 4  5  2 18]
 [ 4  7  3  8]]
4
...

这意味着向量化函数正在二维上进行向量化，并且我收到以下错误：

for i in range(len(values)):
TypeError: object of type 'numpy.int64' has no len()

需要进行哪些更改才能输出：

[[ 4  5  2 18]
 [ 4  7  3  8]]
[4  5  2 18]
...

像这样的东西

谢谢。

EDIT

当元组长度不同时，它按照可接受的方式工作，任何人都可以解释这一点，

例如，我的输入是

np.array([(4, 5, 2, 18), (4, 7, 3,)])

函数打印

[(4, 5, 2, 18) (4, 7, 3)]
(4, 5, 2, 18)
(4, 7, 3)

返回值是

[158.75         8.66666667]

因此，只有当所有元组的长度相同时，该函数才会将它们视为数字。

谢谢。

In [1]: values = np.array([(4, 5, 2, 18), (4, 7, 3, 8)])                        
In [2]: values                                                                  
Out[2]: 
array([[ 4,  5,  2, 18],
       [ 4,  7,  3,  8]])
In [3]: values.shape                                                            
Out[3]: (2, 4)
In [4]: x=np.array([(4, 5, 2, 18), (4, 7, 3,)])                                 
In [5]: x                                                                       
Out[5]: array([(4, 5, 2, 18), (4, 7, 3)], dtype=object)
In [6]: x.shape                                                                 
Out[6]: (2,)

values是一个二维数值数组。np.vectorize将 8 个元素中的每一个元素（一次一个）传递给您的内部函数。它不按行迭代。

x是一个具有 2 个元素（元组）的一维数组。vectorize会将这些元组中的每一个传递到您的内部。

不要使用vectorize当一个简单的迭代可以工作时 - 它会更慢并且更难正确使用。

创建数组后查看它们，确保您了解形状和数据类型。不要做出假设。