这条线

c = a.' / b

为c计算方程c b = aT的解。Numpy没有直接执行此操作的运算符。相反，您应该为cT求解bT cT = a并转置结果：

c = numpy.linalg.lstsq(b.T, a.T)[0].T

符号/是MATLAB中的矩阵右除运算符，它调用mrdivide函数。根据文档，矩阵右除与matrix left division的关系如下：

B/A = (A'\B')'

如果A是方阵，则B/A大致等于B*inv(A)（尽管它是以不同的、更健壮的方式计算的）。否则，x = B/A是欠定或超定方程组x*A = B的最小二乘解。这里给出了关于用于求解方程组的算法的更多细节。通常，像LAPACK或BLAS这样的软件包是在引擎盖下使用的。
Python的NumPy package包含一个例程lstsq，用于计算方程组的最小二乘解。该例程可能会给予与MATLAB中的mrdivide函数相当的结果。但不太可能"精确“。每个函数使用的底层算法的任何差异都可能导致答案彼此略有不同（即一个可能返回值1. 0，而另一个可能返回值0. 999）。这个误差的相对大小 * 可能 * 最终会变得更大，这在很大程度上取决于你正在求解的特定方程组。
要使用lstsq，您可能需要稍微调整一下您的问题。看起来您需要求解一个形式为cB = a的方程，其中B为25 x 18，a为1 x 18，c为1 x 25。对两边应用transpose可得到方程BTcT = aT，这是一种更标准的形式（即Ax = B）。lstsq的参数应该是（按此顺序）BT（18 x 25数组）和aT（18元素数组）。lstsq应该返回25元素数组（cT）。

• 注意：NumPy并不区分1 × N或N × 1数组，MATLAB当然区分，如果你使用的数组不正确，MATLAB会对你大喊大叫。*

在Matlab中，A.'表示转置A矩阵，因此从数学上讲，代码中实现的是AT/B。

• • 如何在Python（或任何语言）中实现矩阵除法***（注：让我们回顾一下A/B形式的简单除法;对于您的示例，您需要首先执行AT，然后执行AT/B，在Python中执行转置操作非常容易|左作为一个练习：）|）*

你有一个矩阵方程C * B = A（你想找到C作为A/B）
右除法（/）如下：
C x 1米2英寸（B x 1米3英寸BT）= A x 1米4英寸BT
然后通过反转（B * BT）隔离C
即，
C = A × * BT × *（B × * BT）'-----[1]
因此，要在Python（或任何语言）中实现矩阵除法，请获取以下三个方法。

• 矩阵乘法
• 矩阵转置
• 矩阵求逆

然后迭代地应用它们以实现如[1]中的除法。
只不过，你需要做AT/B，所以你在实现这三个基本方法之后的最后一个操作应该是：
自动变速器x1米9英寸x蓝牙x1米10英寸x（自动变速器x1米11英寸x蓝牙）'

• 注意：不要忘记运算符优先级的基本规则：）*

你也可以使用B的伪逆运算，然后将结果与A相乘。尝试使用numpy.linalg.pinv，然后通过numpy.dot将其与矩阵乘法结合起来：

c = numpy.dot(a, numpy.linalg.pinv(b))

[编辑]正如Suvesh所指出的，我之前完全错了，然而，numpy仍然可以轻松地做他在帖子中给出的程序：

A = numpy.matrix(numpy.random.random((18, 1))) # as noted by others, your dimensions are off
B = numpy.matrix(numpy.random.random((25, 18)))
C = A.T * B.T * (B * B.T).I