如何用NumPy高效利用旋转矩阵计算圆周新坐标（规避循环）

优化后的代码 #

import numpy as np

# 总旋转角度
th = np.pi
# 初始点坐标
ori = np.array([1, 1, 0])
# 步数
step = 10 

# 生成所有旋转角度
angles = np.linspace(0, th, step)

# 计算所有角度的cos和sin值，利用numpy向量化运算
cos_angles = np.cos(angles)
sin_angles = np.sin(angles)

# 构建三维旋转矩阵数组，形状为(step, 3, 3)
# 注：原代码中的旋转矩阵实际是绕Z轴的，若需绕X轴，可替换下方矩阵构造逻辑
rot_matrices = np.zeros((step, 3, 3))
rot_matrices[:, 0, 0] = cos_angles
rot_matrices[:, 0, 1] = -sin_angles
rot_matrices[:, 1, 0] = sin_angles
rot_matrices[:, 1, 1] = cos_angles
rot_matrices[:, 2, 2] = 1

# 一次性完成所有旋转计算，利用numpy广播机制
coords = ori @ rot_matrices

print(coords)

关键思路说明 #

• 向量化计算三角函数：直接对整个angles数组批量计算cos和sin，避免循环中逐个计算，充分利用numpy的底层优化。
• 三维旋转矩阵数组：构造形状为(step, 3, 3)的数组，每个切片rot_matrices[i]对应第i个角度的旋转矩阵，实现所有旋转矩阵的一次性构建。
• 广播式矩阵乘法：将初始点ori（形状(3,))与三维旋转矩阵数组相乘，numpy会自动广播维度，一次性得到所有旋转后的坐标（形状(step, 3)），完全规避循环。

补充：绕X轴的正确旋转矩阵 #

若你确实需要绕X轴旋转，替换旋转矩阵的构造逻辑为：

rot_matrices = np.zeros((step, 3, 3))
rot_matrices[:, 0, 0] = 1
rot_matrices[:, 1, 1] = cos_angles
rot_matrices[:, 1, 2] = -sin_angles
rot_matrices[:, 2, 1] = sin_angles
rot_matrices[:, 2, 2] = cos_angles

原代码的小问题修正 #

原代码中初始coords已包含初始点，而循环又处理了angle=0（对应单位矩阵，结果还是初始点），导致最终结果中初始点重复出现。优化后的代码直接基于angles生成所有结果，无重复问题。

内容的提问来源于stack exchange，提问作者Certes