Python 如何有效地将变换应用于多通道numpy阵列？

我有三个数据通道。通道表示x、y和z坐标。例如，点的x位置存储在通道1中，y位置存储在通道2中，等等

我想对这些通道中表示的每个点执行变换。也就是说，我想用一个变换矩阵乘以每个u，v位置的x，y和z。当然，我可以手动迭代每个u、v位置并提取位置数据。我觉得这不是最有效的方法

---

我的问题是，当位置数据存储在每个维度对应的通道中时，转换点集合的最有效方法是什么

raw = numpy.array([ [1, 10, 100], [2, 20, 200], [3, 30, 300], [4, 40, 400] ])
transformation = numpy.matrix([ [1, 0, 0], [0, 0, 1], [0, -1, 0] ])
transformed = raw * transformation

---

也许您的数据比这个M-datapoints-by-3-channels示例的维度更高？不清楚你所说的u和v是什么意思，但它们有点暗示你的问题可能是高维的。如果是这样的话，您可以研究哪些因素允许将矩阵乘法推广到更高的维度，或者您可以将raw设置为实际原始数据的视图，然后将其向下重塑为M-x-3，最后通过按照您希望的方式重塑转换后的数据来撤销该视图。

模拟一些数据。这是平面记录阵列吗？M-by-N-by-3？