如何高效将3×N numpy坐标数组转为N×3格式，解决大N下内存错误与过慢问题

最优实现方案 #

直接使用numpy的内置转置操作即可，代码如下：

# 仅需替换你原有生成newpos的一行代码
newpos = pos.T

如果你的后续操作要求数组为C顺序内存连续存储，可以调整为：

newpos = np.ascontiguousarray(pos.T)

原方案问题说明 #

你原有代码的性能和内存问题都来自于把numpy数组转成了Python原生列表处理：

• 转列表的过程会给每个数值套一层Python对象壳，单元素内存占用从numpy的8字节（float64）涨到24字节以上，1e7量级的数据会让内存占用翻数倍，自然容易触发内存错误。
• zip和列表遍历都是Python层面的循环，远慢于numpy底层的C语言级别的运算。

方案优势 #

• 转置操作pos.T是基于数组步长实现的视图，不会复制底层数据，时间复杂度为O(1)，也不会额外占用内存，完全可以轻松处理1e7量级的数据。
• 即使需要生成连续数组，np.ascontiguousarray也是纯C实现的内存拷贝，速度是你原有方案的百倍以上，内存占用仅为n*3*8字节（n=1e7时仅228MB左右），不会出现内存溢出。

内容的提问来源于stack exchange，提问作者prm