Python 3矩阵计算器自定义输入（选项7）计算错误求助

核心问题定位 #

• 表达式计算顺序错误：转置（t）、标量乘法（s）的优先级未高于加减操作，导致2A - B^T这类表达式被错误执行（比如先算A - B再处理标量和转置）
• 矩阵赋值逻辑失效：赋值时未使用深拷贝，或未正确更新全局矩阵存储字典，导致2A保存为A时原矩阵未被正确覆盖

具体修复步骤 #

1. 调整表达式解析的优先级 #

自定义输入的表达式必须遵循转置 > 标量乘法 > 加减的运算优先级，修改解析逻辑按此顺序处理：

import copy

def parse_custom_expr(expr, matrix_store):
    tokens = expr.strip().split()
    temp_counter = 0

    # 先处理转置操作（t）
    idx = 0
    while idx < len(tokens):
        if tokens[idx] == 't':
            # 获取转置目标矩阵
            mat_key = tokens[idx-1]
            transposed_mat = matrix_store[mat_key].transpose()  # 确保你的Matrix类有正确的transpose方法
            # 用临时键存储结果，替换原token
            temp_key = f"_tmp_{temp_counter}"
            matrix_store[temp_key] = transposed_mat
            tokens[idx-1:idx+1] = [temp_key]
            temp_counter += 1
            idx -= 1
        idx += 1

    # 再处理标量乘法（s）
    idx = 0
    while idx < len(tokens):
        if tokens[idx] == 's':
            # 兼容 [标量] s [矩阵] 或 [矩阵] s [标量] 两种格式
            if tokens[idx-1].replace('.', '').isdigit():
                scalar = float(tokens[idx-1])
                mat_key = tokens[idx+1]
                result_mat = matrix_store[mat_key] * scalar
            else:
                scalar = float(tokens[idx+1])
                mat_key = tokens[idx-1]
                result_mat = scalar * matrix_store[mat_key]
            # 临时存储结果
            temp_key = f"_tmp_{temp_counter}"
            matrix_store[temp_key] = result_mat
            tokens[idx-1:idx+2] = [temp_key]
            temp_counter += 1
            idx -= 1
        idx += 1

    # 最后处理加减操作
    # 假设你的Matrix类已实现__sub__和__add__方法
    current_mat = matrix_store[tokens[0]]
    for idx in range(1, len(tokens), 2):
        op = tokens[idx]
        next_mat = matrix_store[tokens[idx+1]]
        if op == '-':
            current_mat = current_mat - next_mat
        elif op == '+':
            current_mat = current_mat + next_mat

    # 清理临时矩阵
    for key in list(matrix_store.keys()):
        if key.startswith("_tmp_"):
            del matrix_store[key]

    return current_mat

2. 修复矩阵赋值逻辑 #

当执行保存操作（比如将计算结果存回矩阵A）时，必须使用深拷贝避免引用共享，确保原矩阵被完全替换：

def save_matrix(target_key, source_matrix, matrix_store):
    # 深拷贝确保新矩阵与原矩阵独立，避免后续修改相互影响
    matrix_store[target_key] = copy.deepcopy(source_matrix)

3. 验证示例场景 #

针对A s 2 - B t：

1. 解析时先处理B t得到转置后的矩阵
2. 再处理A s 2得到2倍的A矩阵
3. 最后执行减法运算，确保维度匹配后输出结果

针对赋值操作A s 2 A：
调用save_matrix("A", parse_custom_expr("A s 2", matrix_store), matrix_store)后，打印matrix_store["A"]应得到原A的2倍值

测试建议 #

• 用已知维度和值的简单矩阵（比如2x2整数矩阵）测试2A - B^T，对比手动计算结果
• 测试赋值后再次调用该矩阵，确认其值已正确更新

内容的提问来源于stack exchange，提问作者Nick403