Python numpy实现B数组各元素分别乘A数组 解决广播维度报错

numpy 广播运算要求参与运算的数组维度从尾端对齐时，对应维度的长度要么相等，要么其中一方为1。当前代码中B的形状是(2,)，A的形状是(3,3)，尾端维度2和3长度不匹配，无法直接广播，因此抛出维度不兼容的错误。

要实现「B的每个元素分别乘以整个A矩阵」的需求，只需要把B的形状调整为(2,1,1)，给它补充两个长度为1的维度，即可满足广播规则，运算后会得到形状为(2,3,3)的数组，正好对应2个3×3二维矩阵的预期结构。

完整可运行代码：

import numpy as np
A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
t = np.linspace(0, 1, 2)
B = 0.02109 * np.exp(-t)
# 为B新增两个长度为1的维度，适配广播规则
P = B[:, np.newaxis, np.newaxis] * A
print(P)

运行后输出结果和预期完全一致：

[[[0.02109     0.04218     0.06327    ]
  [0.08436     0.10545     0.12654    ]
  [0.14763     0.16872     0.18981    ]]

 [[0.00775858  0.01551716  0.02327574]
  [0.03103432  0.0387929   0.04655148]
  [0.05431006  0.06206864  0.06982722]]]

• 补充说明：代码里的np.newaxis可以替换为None，写法更简洁，即B[:, None, None] * A，效果完全相同；也可以用B.reshape(-1, 1, 1)实现同样的维度调整。

内容的提问来源于stack exchange，提问作者Wiz123