这个问题与使用类的__mul__覆盖其他__rmul__中的问题很接近，但我的印象是，这是一个比数字数据更普遍的问题。同样也没有答案，我真的不想在@此操作中使用矩阵乘法。因此，这个问题。

我确实有一个接受标量和数值数组相乘的对象。与往常一样，因为myobj()使用了方法，所以左边的乘法效果很好，但是在右边的乘法中，NumPy使用广播规则，并使用给出元素的结果dtype=object。

这也具有无法检查数组大小是否兼容的副作用。

因此，问题是

有没有一种方法可以强制numpy数组查找__rmul__()其他对象的，而不是广播并逐元素执行__mul__()？

在我的特定情况下，对象是MIMO（多输入，多输出）传递函数矩阵（如果需要的话，也可以是滤波器系数矩阵），因此矩阵乘法在线性系统的加法和乘法方面具有特殊含义。因此，在每个条目中都有SISO系统。

import numpy as np

class myobj():
    def __init__(self):
        pass

    def __mul__(self, other):
        if isinstance(other, type(np.array([0.]))):
            if other.size == 1:
                print('Scalar multiplication')
            else:
                print('Multiplication of arrays')

    def __rmul__(self, other):
        if isinstance(other, type(np.array([0.]))):
            if other.size == 1:
                print('Scalar multiplication')
            else:
                print('Multiplication of arrays')

A = myobj()
a = np.array([[[1+1j]]])  # some generic scalar
B = np.random.rand(3, 3)

使用这些定义，以下命令显示了不良行为。

In [123]: A*a
Scalar multiplication

In [124]: a*A
Out[124]: array([[[None]]], dtype=object)

In [125]: B*A
Out[125]: 
array([[None, None, None],
       [None, None, None],
       [None, None, None]], dtype=object)

In [126]: A*B
Multiplication of arrays

In [127]: 5 * A

In [128]: A.__rmul__(B)  # This is the desired behavior for B*A
Multiplication of arrays