NumPy标量与自定义序列、继承自列表的自定义类相乘表现差异的原因探究

这个问题的核心在于Python运算符重载的执行顺序，以及NumPy对不同类型对象的处理逻辑差异，我来给你拆解清楚：

首先，当你执行c * s这种乘法操作时，Python会遵循这样的流程：

1. 先尝试调用左边对象（这里是numpy.float64标量）的__mul__方法，看它能不能处理右边的对象；
2. 如果左边的__mul__返回NotImplemented（表示它搞不定），才会转而调用右边对象的__rmul__方法，把乘法的控制权交给右边的对象。

接下来看两种情况的具体差异：

1. 自定义序列类（不继承list） #

你的第一个S类完全是自定义的，只实现了__len__和__getitem__来模拟序列行为，没有继承任何Python内置序列类型，所以它没有默认的__rmul__方法。

当NumPy标量的__mul__方法遇到这个对象时，会判断它是一个可迭代的自定义序列（通过__len__和__getitem__识别），于是自动把它转换成NumPy数组，然后执行标量与数组的逐元素乘法，最终返回结果数组，这就是你得到array([3., 6., 9.])的原因。

2. 继承自list的自定义类 #

第二个S类继承了list，这意味着它继承了list的所有内置方法，包括__rmul__。

NumPy在处理与Python内置类型（及其子类）的交互时，会优先尊重内置类型的运算符逻辑。当它看到右边是list的子类时，会让__mul__返回NotImplemented，把控制权交给右边对象的__rmul__方法。而list的__rmul__方法的逻辑是重复序列（比如[1,2] * 3会生成[1,2,1,2,1,2]），但它只接受整数作为乘数。你的c是numpy.float64类型的3.0，不是整数，自然就触发了错误：can't multiply sequence by non-int of type 'numpy.float64'。

如果你想让继承自list的类也支持这种乘法 #

可以重写__rmul__方法，手动实现和NumPy标量的交互逻辑，比如：

import numpy as np

class S(list):
    def __init__(self, lst):
        super().__init__(lst)  # 这里要用super初始化父类list，不然继承的list实例是空的

    def __rmul__(self, scalar):
        # 把自身转换成NumPy数组后再和标量相乘
        return np.array(self) * scalar

c = np.arange(3.0).sum()
s = S([1, 2, 3])
print(c * s)  # 输出：[3. 6. 9.]

备注：内容来源于stack exchange，提问作者Pavlo Bilous