在Python中，求解非方阵的线性方程组通常有以下几种方法：
伪逆矩阵（Pseudoinverse）:
如果矩阵A不是方阵或者不是满秩的，可以使用`scipy.linalg.pinv`函数来计算A的伪逆矩阵，然后通过伪逆矩阵求解方程`Ax=b`。伪逆矩阵可以用于求解欠定、良好或超定的线性方程组。
```python
import numpy as np
from scipy.linalg import pinv
非方阵示例
A = np.array（[[1, 2, 3], [2, -1, 1], [3, 0, -1]]）
b = np.array（[, , ]）
计算伪逆矩阵
pi_A = pinv（A）
使用伪逆矩阵求解方程
x = pi_A.dot（b）
print（x）
最小二乘法（Least Squares）:如果方程组`Ax=b`是欠定的，即A的列数多于行数，可以使用`numpy.linalg.lstsq`函数来求解最小二乘解。该方法会找到一个近似解，使得`||Ax-b||^2`最小。```pythonimport numpy as np
欠定方程组示例
A = np.array（[[1, 2, 3], [2, -1, 1], [3, 0, -1]]）
b = np.array（[, , ]）
使用最小二乘法求解方程
x, residuals, rank, s = np.linalg.lstsq（A, b）
print（x）
Sympy库:
如果需要更通用的线性代数计算，可以使用`sympy`库。`sympy`提供了符号计算能力，可以处理非方阵和非线性方程组。
```python
from sympy import symbols, Eq, Matrix, solve
定义符号变量
x, y = symbols（'x y'）
创建矩阵
A = Matrix（[[1, 2], [3, 4], [1, 1]]）
B = Matrix（[, , ]）
定义方程
eq1 = Eq（A[0, 0]*x + A[0, 1]*y, B[0, 0]）
eq2 = Eq（A[1, 0]*x + A[1, 1]*y, B[1, 0]）
eq3 = Eq（A[2, 0]*x + A[2, 1]*y, B[2, 0]）
使用Sympy求解方程组
solutions = solve（（eq1, eq2, eq3）, （x, y））
print（solutions）
以上方法可以帮助你在Python中求解非方阵的线性方程组。请根据你的具体需求选择合适的方法