Python类中numpy矩阵-向量乘法结果异常，求原因分析

问题出在乘法逻辑，和Python类的特性无关，具体原因及修正方式如下：

核心问题 #

1. numpy一维数组的转置误区：你传入的vec = np.array([1, 0.0])是一维数组（shape为(2,)），numpy里一维数组没有行/列的概念，vec.T不会将其转为二维列向量，结果仍然是一维数组。
2. 疑似运算符笔误：你得到的[[1., 0.],[2., 0.]]是逐元素乘法（*）的结果，而非矩阵乘法（@）的结果，大概率是你代码中误将@写成了*。如果代码确实是@，正常情况下self.mat_ @ vec.T应该和直接计算的[1., 2.]一致，不会出现你描述的结果。

修正方案 #

如果要和直接计算的结果保持一致，直接去掉多余的转置即可：

class Transform:
    mat_ = np.ones([2, 2], dtype=float)

    def __init__(self, mat):
        self.mat_ = mat

    # vec可以是一维数组或二维列向量
    def r_mult(self, vec):
        return self.mat_ @ vec

如果要严格遵循注释中“vec should be a column vector”的要求，可先将输入转为二维列向量：

class Transform:
    mat_ = np.ones([2, 2], dtype=float)

    def __init__(self, mat):
        self.mat_ = mat

    # vec should be a column vector（支持传入一维数组自动转换）
    def r_mult(self, vec):
        # 将输入转为二维列向量
        vec_col = vec.reshape(-1, 1)
        # 可选：如果需要返回一维数组，可添加.flatten()
        return self.mat_ @ vec_col

调用修正后的方法，就能得到预期的矩阵-向量乘法结果。

内容的提问来源于stack exchange，提问作者dEmigOd