创建转换矩阵的 numpy 数组的正确方法是什么

Question

给定一个旋转角度列表（让我们说一下 X 轴）：

import numpy as np
x_axis_rotations = np.radians([0,10,32,44,165])

我可以通过这样做创建匹配这些角度的矩阵数组：

matrices = []
for angle in x_axis_rotations:
    matrices.append(np.asarray([[1 , 0 , 0],[0, np.cos(angle), -np.sin(angle)], [0, np.sin(angle), np.cos(angle)]]))
matrices = np.array(matrices)

这会起作用，但它没有利用 numpy 处理大型数组的优势......所以如果我的角度数组是数百万，那么这样做不会很快。

有没有更好（更快）的方法来从输入数组创建变换矩阵数组？

Answer 1

这是一个直接而简单的方法：

\n\n

c = np.cos(x_axis_rotations)\ns = np.sin(x_axis_rotations)\nmatrices = np.zeros((len(x_axis_rotations), 3, 3))\nmatrices[:, 0, 0] =  1\nmatrices[:, 1, 1] =  c\nmatrices[:, 1, 2] = -s\nmatrices[:, 2, 1] =  s\nmatrices[:, 2, 2] =  c\n

\n\n\n\n

对于好奇的人来说，时间安排：

\n\n

In [30]: angles = 2 * np.pi * np.random.rand(1000)\n\nIn [31]: timeit OP(angles)\n100 loops, best of 3: 5.46 ms per loop\n\nIn [32]: timeit askewchan(angles)\n10000 loops, best of 3: 39.6 \xc2\xb5s per loop\n\nIn [33]: timeit divakar(angles)\n10000 loops, best of 3: 93.8 \xc2\xb5s per loop\n\nIn [34]: timeit divakar_oneline(angles)\n10000 loops, best of 3: 56.1 \xc2\xb5s per loop\n\nIn [35]: timeit divakar_combine(angles)\n10000 loops, best of 3: 43.9 \xc2\xb5s per loop\n

\n\n

所有的都比你的循环快得多，所以使用你最喜欢的:)

\n