使用嵌套for循环实现方阵与行数组相乘并解决numpy报错问题

1. 你传入的row_array是一维numpy数组，x[0]取到的是单个numpy.int64类型的数值，没有len()属性，调用len(x[0])直接触发报错。
2. 原代码写的是三层循环的矩阵乘矩阵逻辑，不符合矩阵乘向量的计算要求，且输出数组维度设置错误，矩阵乘向量的结果是一维向量，不需要创建和方阵同维度的二维数组。

import numpy as np

def matvec_row_variant_scalar(A,x):
    n = len(A)
    # 矩阵乘向量输出为长度n的一维数组
    product_array = np.zeros(n, dtype=int)
    # 第一层遍历矩阵的行
    for i in range(n):
        current_sum = 0
        # 第二层遍历行元素和向量的对应位置，累加计算点积
        for k in range(n):
            current_sum += A[i][k] * x[k]
        product_array[i] = current_sum
    return product_array

# 测试数组
square_array = np.array([[1,2],[3,4]])
row_array = np.array([2,2])
print(matvec_row_variant_scalar(square_array,row_array))

运行输出：[6 14]

• 调整输出数组维度：将二维方阵输出改为长度和方阵阶数一致的一维数组，符合矩阵向量乘法的结果形态
• 简化为两层循环：删除多余的第三层循环，直接通过两层循环完成矩阵行与向量的点积计算，匹配需求
• 兼容一维向量输入：不再尝试获取x[0]的长度，直接用向量本身的长度作为内层循环遍历上限，彻底解决len()调用报错问题

内容的提问来源于stack exchange，提问作者Isaac