numpy VisibleDeprecationWarning疑问：4x4机器人变换矩阵为何触发警告？

触发警告的核心原因 #

你代码里的矩阵看似是标准4x4结构，但混合了Python标量（比如第三行的0）和numpy数组元素时，numpy 1.21.6会误判为“不规则嵌套序列”并触发警告。

举个典型场景：如果输入的link中theta、alpha等参数是numpy数组（比如批量计算多个关节角的变换矩阵），那么np.cos(theta)返回的是数组，而你写的0是Python标量。此时矩阵行内的元素维度不一致（标量是0维，数组是N维），numpy在尝试统一数组类型时，会将这种混合结构判定为ragged序列，抛出警告。

解决方案 #

把代码中所有的字面量标量（0、1）转换成numpy数组，保证矩阵内所有元素的维度、类型一致：

import numpy as np

def transformation_matrix(link):
    a, alpha, d, theta = link[0], link[1], link[2], link[3]
    # 用numpy数组替代字面量标量，确保元素维度统一
    zero = np.array(0, dtype=np.float64)
    one = np.array(1, dtype=np.float64)
    T = np.array([[np.cos(theta), -np.sin(theta)*np.cos(alpha), np.sin(theta)*np.sin(alpha), a*np.cos(theta)],
                  [np.sin(theta),  np.cos(theta)*np.cos(alpha),-np.cos(theta)*np.sin(alpha), a*np.sin(theta)],
                  [            zero,                np.sin(alpha),               np.cos(alpha),               d],
                  [            zero,                            zero,                           zero,               one]])
    return T

如果是批量处理场景（输入参数为数组），也可以用np.zeros_like(theta)替代zero，确保标量和输入参数的形状、 dtype 完全匹配：

zero = np.zeros_like(theta)
one = np.ones_like(theta)

验证逻辑 #

当所有元素都是同维度的numpy对象时，numpy可以正确识别出你要创建的是(N,4,4)形状的高维数组（N为输入参数的长度），而非不规则的object数组，警告自然消失。

内容的提问来源于stack exchange，提问作者상태변화