如何将128长度立方体数组的坐标平移至新原点？

嘿，这个问题其实挺清晰的，核心就是坐标系平移的映射处理，结合你提到的边界大多是0的情况，我们可以找到最省心高效的方案。

首先明确坐标变换逻辑：你原数组是128×128×128的，核心在(64,64,64)（因为128/2=64），要让这个核心点对应新坐标系的(0,0,0)，那原坐标(x,y,z)和新坐标(x',y',z')的关系是：
x' = x - 64，y' = y - 64，z' = z - 64

接下来分两种场景给出最优方案：

1. 无需修改原数组（推荐！） #

如果只是在后续计算中需要使用平移后的坐标，完全不需要创建新数组——直接通过坐标偏移访问原数组元素就好，这是零开销的最优解。

比如用Python的话，先定义偏移量：

offset = 128 // 2  # 也就是64

之后要访问新坐标(x', y', z')对应的元素，直接取：

value = original_arr[x' + offset, y' + offset, z' + offset]

这样新坐标(0,0,0)就精准对应原数组的核心(64,64,64)，既省内存又不浪费时间，完美适配你的需求。

2. 必须生成平移后的新数组 #

如果因为存储、接口要求等原因，一定要得到一个物理上平移后的数组，分两种工具场景：

用NumPy（科学计算首选） #

NumPy的np.roll函数可以高效完成三轴平移，而且利用了底层优化，比手动循环快得多。代码非常简洁：

import numpy as np

s = 128
offset = s // 2
# 依次沿三个轴向左平移64位，让原核心移到新数组的(0,0,0)
shifted_arr = np.roll(np.roll(np.roll(original_arr, -offset, axis=0), -offset, axis=1), -offset, axis=2)

因为你提到边界大多是0，np.roll循环滚动过来的边界元素都是0，完全不会影响核心数据的正确性。

原生Python（无第三方库） #

如果只能用原生Python，就通过三重循环完成元素拷贝。虽然代码稍显繁琐，但逻辑清晰：

s = 128
offset = s // 2
# 初始化新数组（默认填充0，刚好匹配你的边界特性）
shifted_arr = [[[0 for _ in range(s)] for __ in range(s)] for ___ in range(s)]

for x in range(s):
    for y in range(s):
        for z in range(s):
            # 计算新坐标对应的索引（把负坐标映射到正索引范围）
            new_x = x - offset
            new_y = y - offset
            new_z = z - offset
            # 注意：这里要确保新索引在0~127范围内，因为原数组边界是0，超出的话不用处理（默认已经是0）
            if 0 <= new_x < s and 0 <= new_y < s and 0 <= new_z < s:
                shifted_arr[new_x][new_y][new_z] = original_arr[x][y][z]

不过这种方式的效率比NumPy低不少，数据量大的时候不推荐。

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