向量函数表示中的numpy行序

假设我需要表示一个向量值信号。假设一个点在平面上旋转的坐标：

t = 0.05 * np.arange(100)
x = np.cos(t)
y = np.sin(t)

现在，我以这种方式定义了该职位：

p = np.array([x,y])

所以时间是多重向量的最后一个轴。这在很多方面都很好（实际上我处理的是3D向量和3x3矩阵）

然而在很多情况下，我觉得在第一轴上有时间会更好。例如，如果我有一个恒定的位置

p0 = np.array([1.0,1.0])

这将是很好的写（p-p0）的差异。。。如果时间是最后一个轴，我就不能如此清晰地表达它

我知道这只是一个品味的问题，但在这种情况下，数字社区中是否有一个首选或常规的选择

我认为矩阵向量积将是一个很好的测试，以了解库的设计是否在两个选项中的一个选项中具有偏好。但我没有办法用一种简单的方式来表达这样的操作，无论是在哪种情况下。。。（我尝试了点积和矩阵向量积，但最后我发现自己使用了np.einsum）：

---

向前看，如果

a

具有形状

（100,2,3）

和

b

（100,3,4），则您将能够使用

a@b

计算具有100个矩阵乘法的形状

（100,2,4）

。所以我想这就是事情似乎倾向的方向。你的问题（你声称“只是口味问题”）有可能得到一个明确的答案吗？我可以在第一个轴上为时间做一个论证（在大多数数据文件中都可以找到，因为您可能更容易将行附加到文件而不是列），但这能回答您的问题吗？你熟悉numpy的广播概念吗？在您的示例中，当p-p0被写为p-p0[：，None]时，p-p0将起作用。当考虑到广播规则时，矩阵乘法也是可能的。类似的问题：Numpy多维数组中索引的顺序-

>>> M.shape
(2, 2, 100)
>>> v.shape
(2, 100)
>>> np.einsum('ij...,j...', M, v)