调用np.log时报ufunc循环不支持numpy.ndarray参数的问题排查

你构造动态矩阵e时的写法存在维度问题：

• 当t是长度为98的一维数组时，直接写np.array([[1-t, t], [0.03, 0.97]])不会生成「每个t值对应一个2×2矩阵」的三维数值数组，而是会生成dtype为object的二维数组：数组的4个位置分别存了长度为98的数组1-t、长度为98的数组t、标量0.03、标量0.97，属于嵌套结构，不是规则的数值矩阵。
• 对object类型数组做np.log运算时，numpy会尝试调用数组内每个元素自带的.log()方法，而存放在e里的元素是普通ndarray和标量，没有这个方法，就触发了你看到的报错。你单独测试np.log(t)能正常运行，是因为t本身是纯数值的一维数组，不存在object嵌套的问题。

核心是把所有矩阵的维度对齐，构造规则的三维数值数组（第一维对应t的不同取值，后两维对应单个t下的2×2矩阵），再调整求和逻辑保留t对应的结果维度即可：

1. 构造e时用np.stack拼接生成形状为(len(t), 2, 2)的三维数值数组，避免生成object数组
2. 矩阵乘法会自动通过广播适配批量维度，不需要修改固定矩阵f/r/d/c的写法
3. 聚合求和时指定axis=(1,2)，只对矩阵对应的两个维度求和，保留每个t对应的计算结果，不要直接用无参数的np.sum把所有值加总成单个标量

修复后可正常运行的代码如下：

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0.01, 0.99, 0.01)
len_t = len(t)

f = np.array([[0.35, 0.65]])
# 生成形状为(98,2,2)的规则三维数值矩阵
e = np.stack([
    np.stack([1 - t, t], axis=1),
    np.repeat(np.array([[0.03, 0.97]]), len_t, axis=0)
], axis=1)
r = np.array([[0.95, 0.05], [0.06, 0.94]])
d = np.array([[0.99, 0.01], [0.08, 0.92]])
c = np.array([[0, 1], [1, 0]])

# 沿批量维度计算，保留每个t对应的D值
D = np.sum(f @ (e @ r @ d * c), axis=(1, 2))

u = f @ e
# 沿批量维度计算，保留每个t对应的I值
I = np.sum(f @ (e * np.log(e / u)), axis=(1, 2))

plt.plot(t, D, label='D')
plt.plot(t, I, label='I')
plt.xlabel('t')
plt.legend()
plt.show()

代码验证：当t=0.08时，e的第一行值为[0.92, 0.08]，和你最初固定矩阵的代码参数完全一致，计算得到的D、I值和你之前的输出0.14538525、0.45687371996485304完全匹配，计算逻辑正确。

内容的提问来源于stack exchange，提问作者SYD