SymPy循环提取符号矩阵行构建新矩阵触发'Symbol'不可下标访问错误

• 你用字符串拼接拼出矩阵入参的逻辑从根上就错了：循环里拼出来的T是个纯字符串，不是能被直接调用的矩阵切片对象。把这个字符串传给Matrix([[T]])的时候，SymPy会把整个字符串当一个符号表达式来解析，而且因为解析时的作用域隔离，之前定义好的矩阵J会被解析器当成普通Symbol，自然就报'Symbol' object is not subscriptable的错。
• 你参考的目标写法Matrix([[J[0,:],J[1,:],J[2,:]]])本质是把每个切片返回的行向量按顺序放进嵌套列表当构造参数，全程根本不需要拼字符串，也用不着eval、exec这类危险操作。

通用循环组装逻辑 #

SymPy的行切片J[i, :]本身就会返回独立的行矩阵对象，只需要把这些对象收集起来，用内置的垂直堆叠方法vstack完成组装即可，不需要手动写每一个行索引：

# 自动遍历J的所有行，拼接成新矩阵
# 等价于你最初手动写全所有J[i,:]的效果
d = Matrix.vstack(*[J[i, :] for i in range(J.rows)])

如果需要指定取部分行（比如只取索引为0、2、4的行），只需要调整列表里的索引序列就行：

# 仅提取指定行重组矩阵
d = Matrix.vstack(J[0, :], J[2, :], J[4, :])

如果需要适配手动构造嵌套列表的写法，只要保证列表里存的是实际的矩阵元素/切片对象，而不是字符串就行：

row_container = []
for i in range(J.rows):
    row_container.append([J[i, col] for col in range(J.cols)])
d = Matrix(row_container)

• 去掉不必要的numpy依赖：直接调用SymPy矩阵自带的triu方法生成无对角线的上三角矩阵，替代np.triu，避免跨库类型兼容问题：
  把tri_upper_no_diag = np.triu(C, k=1)替换为tri_upper_no_diag = C.triu(k=1)
• 简化零值覆盖逻辑：不需要用while循环逐行逐列赋值，直接通过索引完成操作：

  Z = zeros(5,5)
  J[0, :] = Z[0, :]
  J[:, 0] = Z[:, 0]
  

• 不要使用字符串拼接+exec/eval的方式构造矩阵入参：这类写法不仅容易触发SymPy的解析作用域问题，还会引入不必要的代码执行风险，SymPy原生的切片、堆叠API完全可以覆盖所有循环组装矩阵的场景。
• 构造SymPy矩阵时，传入Matrix()的嵌套列表里必须是实际的数值、符号或矩阵对象，不能传入用来描述操作的字符串，否则SymPy会将其当作独立的符号表达式处理，和你预期的矩阵切片逻辑完全脱节。

内容的提问来源于stack exchange，提问作者H10