如何在不改变顺序的情况下转置NumPy数组中的每个子矩阵？

你用x.T不符合预期的原因很明确：这个操作是把整个数组做转置，而非针对每个1×3的子矩阵（也就是数组的每一行）单独转置。

要实现「不改变子矩阵顺序，仅转置每个子矩阵」的需求，针对y数组可以用以下两种实用方法：

方法1：给每个子矩阵增加维度（转成3×1） #

通过给每个行向量添加新维度，把1×3的子矩阵转换成3×1的列向量，再做矩阵乘法：

import numpy as np

x = np.array([[1, 2, 3], [4,5,6], [1, 2, 3]])
y = np.array([[11, 22, 33], [44,55,66], [11, 22, 33]])

# 将y的每个1×3子矩阵转置为3×1
y_transposed = y[:, :, np.newaxis]  # 等价于 np.expand_dims(y, axis=2)

# 对应子矩阵执行矩阵乘法
Z = x @ y_transposed
# 把结果压缩为一维数组（可选操作）
Z = Z.squeeze()

运行后Z的结果是array([154, 715, 154])，每个元素对应子矩阵相乘的结果（比如第一个元素是1*11 + 2*22 + 3*33 = 154）。

方法2：直接计算点积（更简洁高效） #

1×3矩阵和3×1矩阵的乘法，本质就是两个向量的点积，所以可以直接用元素相乘后求和的方式，跳过维度变换步骤：

Z = np.sum(x * y, axis=1)

这个方法得到的结果和方法1完全一致，代码更简洁。

内容的提问来源于stack exchange，提问作者learning statistics