当在两个数组之间进行元素操作时，这两个数组的维度不同，NumPy将执行广播。在你的例子中，Numpy将沿着a的行广播b：

import numpy as np
a = np.array([[1],
              [2]])
b = [3, 4]
print(a * b)

提供：

[[3 4]
 [6 8]]

为了防止这种情况，需要使a和b具有相同的维数。你可以通过在索引中使用np.newaxis或None向数组添加维度，如下所示：

print(a * b[:, np.newaxis])

提供：

[[3]
 [8]]

假设你有两个数组a和b，形状分别为(2,3)和(2,)：

a = np.random.randint(10, size=(2,3))
b = np.random.randint(10, size=(2,))

例如，这两个数组包含：

a = np.array([[8, 0, 3],
              [2, 6, 7]])
b = np.array([7, 5])

现在，为了将product元素处理为元素a*b，您必须指定numpy在到达数组b的缺失axis=1时必须做什么。你可以通过添加None来实现：

result = a*b[:,None]

其中result为：

array([[56,  0, 21],
       [10, 30, 35]])

下面是输入数组a和b，它们的形状和你提到的一样：

In [136]: a
Out[136]: 
array([[0],
       [1]])

In [137]: b
Out[137]: array([0, 1])

现在，当我们使用*或numpy.multiply(a, b)进行乘法时，我们得到：

In [138]: a * b
Out[138]: 
array([[0, 0],
       [0, 1]])

结果是一个(2,2)数组，因为numpy使用广播。

# b
    #a | 0     1
     ------------
     0 | 0*0   0*1
     1 | 1*0   1*1

我刚刚在numpy中解释了广播数组中的广播规则
就您而言

(2,1) + (2,) => (2,1) + (1,2) => (2,2)

它必须为第二个参数添加一个维度，并且只能在开头添加（以避免歧义）。
所以你想要一个（2，1）结果，你必须自己扩展第二个参数，使用reshape或[:, np.newaxis]。

如果a和B是Python列表。下面的代码可以工作。

import numpy as np
def multiply_elementwise_arrays(a, b):
        a = np.array(a)
        b = np.array(b)        
        if a.size == b.size:
            return a*b
        elif a.size < b.size:
            a = np.array(a[:,None])
            return b*a
        else:
            b = np.array(b[:,None])
            return a*b