NumPy：将矩阵与原地数组相乘的更好方法？

【问题标题】：NumPy: better way to multiply a matrix by an array in-place?NumPy：将矩阵与原地数组相乘的更好方法？
【发布时间】：2010-12-01 07:58:34
【问题描述】：

我正在使用 NumPy arrays 做一些工作，但有时我需要将它们乘以数组。

现在，我正在做类似的事情：

rotation_matrix = np.matrix([ ... ])
for vector in vectors:
    rotated_vec_mat = vector.T * rotation_matrix
    vector[:] = np.array(rotated_vec_mat)[0]

但这很丑（而且很慢？）。

有没有更清洁的方法？

【问题讨论】：

标签： numpy

【解决方案1】：

这样做可能更有意义：

vector_arr = np.concatenate([vector[np.newaxis, :] for vector in vectors], axis=0)
rotated_vector_arr = np.dot(vector_arr, rotation_matrix)

那么rotated_vector_arr 的行就是你想要的。您可以将整个事物视为一个矩阵乘积，并通过 BLAS 库在 C/Fortran 中完成循环。

不需要使用 matrix() 类来进行矩阵乘法，数组可以正常工作。 matrix() 重载了 * 运算符，但我发现它只会让事情变得混乱。

【讨论】：

嗯……我不明白。拨打np.concatenate 有什么作用？例如，如果vector = np.array([1,2,3])，np.concatenate(vector[np.newaxis, :], axis=0) 只返回np.array([1,2,3])。
呃，我忘记了里面的列表理解。