Python 不含中间产物的点输出切片的生产

我有一个很大的3 x 3矩阵集（

n

），和相应的3 x 1向量，我想用每个向量乘以相应的矩阵。如果我将矩阵堆叠成一个称为

R

的

n

x3x3

ndarray

并将向量堆叠成一个称为

v

的3x

ndarray

，我可以通过

import numpy as np
intermediate = np.dot(R, v)
out = np.diagonal(intermediate, axis1=0, axis2=2)

---

但是这是非常低效的：

np.dot

产生

n

x3x

n

中间
数组，然后我从中手动选择一个3x
n
切片。除了在
n
上循环之外，我是否可以在不生成中间
n
x3x
n
数组的情况下，以某种方式生成3x
n
数组？
扩展@hpaulj提供的提示：我描述的乘法可以通过

out = np.einsum('ijk,ki->ji', R, v)

对于
n=1000
，我问题中的方法的加速比已经是3个数量级（！）：

%timeit d = np.diagonal(np.dot(R, v), axis1=0, axis2=2)
10 loops, best of 3: 27.8 ms per loop

%timeit o = np.einsum('ijk,ki->ji', R, v)
10000 loops, best of 3: 21.9 µs per loop

看看
np.einsum
@MattDMo，这并不能避免生成中间数组。它只是避免给它指定一个名称。但是它仍然需要占用内存，并且需要构造计算。我仍然是一个新手——就像我说的，胡乱猜测：）在不久的将来的某个时候，使用Python 3.5和即将推出的numpy版本，你可以做到：
out=R@v.T[：，None，：]
，请参见。