我要提醒的是，“intended by numpy”倾向于避免使用dtype=object，而是使用(X, Y, 2)形状的数组。
如果你确实想得到一个A对象的形状(X, Y)数组，那么np.vectorize和broadcasting可以工作：

import numpy as np
from dataclasses import dataclass

@dataclass
class A:
    a: float
    b: float

a_vals = np.arange(3)
b_vals = np.arange(3)

out = np.vectorize(A)(a_vals[:, None], b_vals[None, :])

输出：

array([[A(a=0, b=0), A(a=0, b=1), A(a=0, b=2)],
       [A(a=1, b=0), A(a=1, b=1), A(a=1, b=2)],
       [A(a=2, b=0), A(a=2, b=1), A(a=2, b=2)]], dtype=object)

你可以使用numpy.vectorize函数在a_vals和B_vals上创建一个类A的示例数组。这个函数接受一个Python函数作为输入，并返回一个可以对NumPy数组进行操作的新函数。下面是一个例子：

import numpy as np
from dataclasses import dataclass

@dataclass
class A:
    a: float
    b: float

a_vals = np.linspace(0, 1)
b_vals = np.linspace(0, 1)

ma, mb = np.meshgrid(a_vals, b_vals, indexing="ij")

def create_instance(a, b):
    return A(a, b)

create_instance_vectorized = np.vectorize(create_instance)

a_instances = create_instance_vectorized(ma, mb)

# Print the resulting array of instances
print(a_instances)

这将创建类A示例的2D数组，其中a和B属性的值取自a_vals和b_vals的网格