如何调整NumPy数组维度以满足指定矩阵运算需求

你的核心需求是通过矩阵控制对meshgrid生成的x、y数组的取值、符号和缩放，本质是对每个(x,y)坐标点应用线性变换。当前代码的问题在于X的形状不符合矩阵乘法的预期，调整形状后就能实现需求：

方法一：展平为二维数组做矩阵乘法 #

这种方式把所有坐标点转换成列向量的集合，直接用矩阵乘法批量处理：

import numpy as np
from numpy import meshgrid, arange

A = np.array([[0, -1], [1, 0]])
x, y = meshgrid(arange(-2, 2, 0.1), arange(-2, 2, 0.1))

# 将x、y展平后堆叠成(2, N)的矩阵，N是总点数（40*40=1600）
X = np.vstack([x.flatten(), y.flatten()])

# 执行矩阵乘法，结果为(2, N)，第一行是所有-y，第二行是所有x
transformed = A @ X

# 若需要恢复回40×40的二维形状，直接reshape即可
transformed_y = transformed[0].reshape(x.shape)
transformed_x = transformed[1].reshape(x.shape)

方法二：保留二维结构的逐点变换 #

如果不想展平数组，可以用np.einsum实现广播式的逐点矩阵乘法，直接对每个位置的(x,y)应用变换：

import numpy as np
from numpy import meshgrid, arange

A = np.array([[0, -1], [1, 0]])
x, y = meshgrid(arange(-2, 2, 0.1), arange(-2, 2, 0.1))

# 将x、y整理为(2, 40, 40)的形状
X = np.array([x, y])

# 用einsum指定轴的对应关系，完成逐点线性变换
transformed = np.einsum('ij,jkl->ikl', A, X)

# transformed[0]对应所有-y的40×40数组，transformed[1]对应所有x的40×40数组

两种方法都能通过修改矩阵A的元素灵活控制变换规则——比如把A改成[[2, 0], [0, -1]]，就能得到2x和-y的结果，完全匹配你“通过矩阵指定取值、符号和大小”的核心需求。

内容的提问来源于stack exchange，提问作者Eli