NumPy：用一个数组乘以一个矩阵的更好方法？

我正在使用NumPy

array

s进行一些工作，但有时我需要将它们与数组相乘

现在，我正在做一些类似的事情：

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

但这很难看（而且很慢？）

---

有更干净的方法吗？

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)

然后，

rotated\u vector\u arr

的行就是您想要的。您可以将整个过程视为一个矩阵积，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，但我发现它只是混淆了事情。

Hrm…我不明白。调用

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，我忘了其中的列表理解。