Python 3.x 如何在5-d numpy矩阵中旋转时间序列？

我正在尝试旋转一个numpy nd阵列中的一些地震数据。该阵列具有N个接收器、M个源、3个源_通道、3个接收器通道和K个时间通道

我知道如何设置旋转，如果应用于单个接收器和单个源站上的单个时间戳t_I。实际的Z，R，T，N，E表示法对于一般问题并不重要，只需知道转换的定义如下：

在python中，对于单个时间戳，我可能会编写如下代码：

将numpy作为np导入 a=50.0示例alpha b=130例β a_旋转=np.asarray[[1,0,0]，[0，np.cosa，np.sina]，[0，-np.sina，np.cosa]] b_旋转=np.asarray[[1,0,0]，[0，-np.cosb，-np.sinb]，[0，np.sinb，-np.cosb]] 假设zn是实际的浮点数据 单时间片数据=np.asarray[[zz，zn，ze]，[nz，nn，ne]，[ez，en，ee]] 矩阵旋转运算 旋转的\u通道=a\u旋转@单\u时间片\u数据@b\u旋转 所以我的问题有两个：

如何在所有时间步中使用numpy应用此矩阵产品？ 例：3x3*3x3xk*3x3

当可能存在任意数量的其他维度时，如何使用numpy进行矩阵积？ 例：3 x 3*N x M x 3 x 3 x K*3 x 3 3x3*3x3*K*3*3=3x3xk

二, 3 x 3*N x M x 3 x 3 x K*3 x 3=N x M x 3 x 3 x K

@的基本原理是它在最后两个维度上进行点乘和矩阵乘法，并将所有早期维度视为“批量”维度，遵守正常的numpy广播规则。

np.einsum('ab,bcK,cd->adK', Arr1, Arr2, Arr3)

np.einsum('ab,NMbcK,cd->NMadK', Arr1, Arr2, Arr3)