如何使用Symbol的自定义子类创建Sympy IndexedBase，使元素具备二元变量的幂等特性？

嗨，我完全理解你的困扰——你已经成功实现了单个二元变量的幂等特性（也就是x^n = x，n>0），但想把这个能力扩展到IndexedBase生成的矩阵元素上，结果发现直接用自定义Symbol子类初始化IndexedBase并不生效。问题的核心在于：IndexedBase生成的索引元素是Indexed类的实例，而不是你自定义的Binary类实例，所以它们不会继承_eval_power方法的重写逻辑。

这里给你两种可行的解决方案，你可以根据自己的需求选择：

方案一：自定义IndexedBase和Indexed子类（推荐） #

这种方式更优雅，不会影响全局的Sympy对象，完全隔离你的二元变量矩阵逻辑：

from sympy import Symbol, IndexedBase, Indexed

# 保留你原来的二元Symbol子类实现
class Binary(Symbol):
    def _eval_power(self, other):
        return self

# 自定义Indexed子类，添加幂等的幂运算行为
class BinaryIndexed(Indexed):
    def _eval_power(self, other):
        return self

# 自定义IndexedBase子类，确保索引时返回BinaryIndexed实例
class BinaryIndexedBase(IndexedBase):
    def __getitem__(self, args):
        # 兼容单个索引和多维索引的情况
        if not isinstance(args, tuple):
            args = (args,)
        return BinaryIndexed(self, *args)

# 测试使用
imax, jmax = 3, 3  # 示例维度
x = BinaryIndexedBase('x', shape=(imax, jmax))
print(x[0,0]**2 == x[0,0])  # 输出：True
print(x[1,2]**5 == x[1,2])  # 同样输出：True

方案二：猴子补丁快速实现（适合临时脚本） #

如果你只是在单个脚本中使用，不想定义太多子类，可以用猴子补丁直接修改Indexed类的_eval_power方法。注意这种方式会影响所有Sympy中的Indexed对象，所以只推荐在特定场景下使用：

from sympy import Symbol, IndexedBase, Indexed

class Binary(Symbol):
    def _eval_power(self, other):
        return self

# 给Indexed类打补丁，添加幂等特性
def binary_eval_power(self, other):
    return self

Indexed._eval_power = binary_eval_power

# 现在用你原来的方式创建IndexedBase就能生效了
imax, jmax = 3, 3
x = IndexedBase(Binary('x'), shape=(imax, jmax))
print(x[0,0]**2 == x[0,0])  # 输出：True

两种方案都能实现你想要的二元变量幂等特性，第一种更稳健，第二种更快捷，你可以根据自己的项目场景选择~

备注：内容来源于stack exchange，提问作者ccalaza