使用numpy vectorize实现矩阵与多向量乘法报错，求解决方案

问题原因 #

np.vectorize并非真正的向量化实现，它本质是循环的封装，默认会将输入数组拆分为标量传递给目标函数。但np.matmul需要多维数组输入，导致维度不匹配，触发错误。

正确实现 #

无需使用np.vectorize，直接利用numpy原生的批量矩阵乘法能力即可高效完成需求：

假设X、Y、Z均为长度为n的一维数组，先构造形状为(n,3)的向量数组：

vecs = np.column_stack((X, Y, Z))  # 等价于你之前的np.array([X,Y,Z]).transpose()

然后通过以下任意一种方式计算结果：

1. 利用矩阵乘法转置：

results = (A @ vecs.T).T

2. 转置矩阵后直接相乘（数学上等价于第一种方式）：

results = vecs @ A.T

3. 新增维度配合广播：

results = (A @ vecs[..., np.newaxis]).squeeze(axis=-1)

以上三种方式得到的results均为(n,3)数组，与你原循环代码的输出完全一致，且效率远高于循环或np.vectorize。

内容的提问来源于stack exchange，提问作者Calvin Tran