Python 以行方式使用numpy matmul并进行广播

我有一个3D点阵列（n，3），这些点将使用3X3旋转矩阵绕原点旋转，该矩阵以nx3x3阵列的形式存储

目前，我只是在使用

matmul

的for循环中执行此操作，但我认为这是毫无意义的，因为必须有一种更快的广播方式来执行此操作

现行代码 注意：在这个例子中，我刚刚平铺了相同的旋转矩阵，但在我的实际情况中，每个3x3旋转矩阵是不同的

我想做什么 我猜一定有某种方法可以传播，因为当点云变得非常大时，

for

循环变得非常慢。我想这样做：

np.matmul(rotation_matrices, points)

其中，

点

中的每个

行

乘以其相应的旋转矩阵。可能有一种方法可以用

np.einsum

实现这一点，但我无法找出签名。

如果你看到，

np.einsum（'ij，jk'，a，b）

是

matmul

的签名

因此，您可以使用签名尝试

np.einsum

：

np.einsum('kij,kj->ki', rotation_matrices, points)

测试：

einsum = np.einsum('kij,kj->ki', rotation_matrices, points)
manual = np.array([np.matmul(x,y) for x,y in zip (rotation_matrices, points)])
np.allclose(einsum, manual)
# True

---

我试过了，但它没有给出相同的结果

np.allclose（result，np.einsum（'kij，kj->ki'，旋转矩阵，点））

=False@jpmorr在我这方面是正确的。确保在两次运行中不会重新生成

rotation\u矩阵

和

点

。

np.matmul（rotation\u矩阵，点[…，无]）

也起作用。正在重新创建它，似乎……谢谢。

einsum = np.einsum('kij,kj->ki', rotation_matrices, points)
manual = np.array([np.matmul(x,y) for x,y in zip (rotation_matrices, points)])
np.allclose(einsum, manual)
# True