嗨，这个问题我之前也碰到过，其实核心原因是numpy.log默认对实数输入会优先走实数运算分支——负数在实数域里确实没有对数定义，所以会抛出警告并返回nan。但在复数域里，负数的自然对数是有确定解的，WolframAlpha就是默认在复数域处理这类计算，所以能得到正确结果。

给你两个简单靠谱的解决方案：

1. 手动将输入转为复数类型 #

只需要把负数输入改成复数形式（比如加+0j），numpy就会自动切换到复数对数的计算逻辑，这样就能得到正确的复数结果了：

from numpy import exp, log
z = 1j*log(-1.1 + 0j)  # 转为复数输入触发复数计算分支
print(exp(-1j*z))

运行后你会得到-1.1+0.j，如果需要纯实数结果，可以用.real属性提取实部，或者用numpy.round处理掉微小的虚部误差。

2. 自定义支持负数的对数函数 #

根据复变函数的定义，对于正数x，ln(-x) = ln(x) + 1j*π，我们可以基于这个公式写一个自定义函数，不管输入是正数还是负数，甚至是混合的numpy数组，都能正确计算：

import numpy as np

def complex_log(x):
    # 兼容单个数值和numpy数组输入
    if isinstance(x, np.ndarray):
        abs_x = np.abs(x)
        log_result = np.log(abs_x)
        # 给所有负数项加上虚部π
        log_result[x < 0] += 1j * np.pi
        return log_result
    else:
        if x < 0:
            return np.log(-x) + 1j * np.pi
        else:
            return np.log(x)

z = 1j * complex_log(-1.1)
print(exp(-1j * z))

这个函数的灵活性更高，批量处理数据时也能直接用。

备注：内容来源于stack exchange，提问作者Medulla Oblongata