根据我对 numpy 的了解，it's a bad idea 一次对数组的每一行应用一个操作。广播显然是首选方法。鉴于此，我如何获取形状为(N,3) 的数据并将其转换为质心？下面是我正在使用的“坏方法”。这可行，但我怀疑它会对大型 N 造成性能影响：
CM = R.sum(0)/R.shape[0]
for i in xrange(R.shape[0]): R[i,:] -= CM
【问题讨论】：
scipy.ndimage.measurements.center_of_mass 可能是一个相关的功能要知道...
根据您的定义，您可以将质心计算简化为：
R -= R.mean(axis=0)
如果数组的不同元素在mass 中定义了不同的质量，那么我会使用：
R -= np.average(R,axis=0,weights=mass)
见http://docs.scipy.org/doc/numpy/reference/generated/numpy.average.html
【讨论】：
试试
R -= R.sum(0) / len(R)
相反。广播会自动做正确的事。
【讨论】：
CM 数组硬塞到减法中，而不是一次性解决它？
CM = R.sum(0) / len(R); R -= CM，但我认为中间变量并不能真正提高可读性。