Python中如何接收多组(X Y Z)输入并存储为numpy列数组用于矩阵变换

一、接收多组输入并存储 #

推荐方案：二维数组转置（高效省内存） #

不需要用三维数组，把多组点的坐标先存为(n, 3)的二维数组（每行对应一个点的x/y/z），再转置为(3, n)的数组——此时每一列就是一个(3,1)的列向量，完全满足需求，且NumPy对二维数组的运算优化更到位。

示例代码：

import numpy as np

# 模拟多组输入（可替换为从文件/用户输入读取的列表）
raw_points = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
# 转置后得到(3, n)的数组，每一列对应一个(3,1)的点
points_col = np.array(raw_points).T

可选方案：三维数组存储（按需使用） #

如果一定要让每个点都是独立的(3,1)数组，可以创建(n, 3, 1)的三维数组，但会额外占用内存，后续计算需要注意维度匹配。

示例代码：

points_3d = np.array([[[1],[2],[3]], [[4],[5],[6]], [[7],[8],[9]]])

二、矩阵变换计算 #

基于二维数组（推荐） #

假设你的变换矩阵M是(3,3)的标准方阵，直接用@运算符（或np.matmul）做矩阵乘法，一次就能完成所有点的变换，结果依然是(3, n)的数组，每一列是变换后的列向量。

示例代码：

# 定义一个3x3的变换矩阵（比如绕Z轴旋转90度）
theta = np.pi / 2
transform_matrix = np.array([
    [np.cos(theta), -np.sin(theta), 0],
    [np.sin(theta), np.cos(theta), 0],
    [0, 0, 1]
])

# 批量变换所有点
transformed_points = transform_matrix @ points_col

基于三维数组 #

利用NumPy的广播机制，直接用矩阵乘法即可完成批量运算，结果为(n, 3, 1)的三维数组，每个元素是变换后的独立列向量。

示例代码：

transformed_3d = transform_matrix @ points_3d

三、参考资料 #

• NumPy官方文档：重点理解numpy.dot、numpy.matmul和@运算符的差异，以及多维数组的广播规则，这些是批量矩阵运算的核心。
• 《Python数据分析基础教程：NumPy学习指南》：书中有针对多维数组存储、矩阵变换的实操案例，适合结合代码理解线性代数运算逻辑。
• 线性代数基础教材：巩固列向量与矩阵乘法的基本规则，这是理解变换逻辑的前提。

内容的提问来源于stack exchange，提问作者Hrishi Chougule