在大多数情况下,使用numpy的matrix
可能不是最佳选择。解决问题的一种方法是创建一个三维数组,其中[n, :, :]
保存第n
个角度的旋转矩阵。你不能拥有一个3D matrix
,所以如果混合使用数组和矩阵类型并仍然希望依赖于*
执行矩阵乘法,它可能会变得混乱。如果您坚持使用数组,并使用np.dot
来可预测地处理矩阵乘法,则以下代码可以很好地工作。它实际上也会接受一个matrix
,但首先将其转换为ndarray
:
def interpolate360(d, p):
p = np.array(p)
angles = np.arange(0, 2 * np.pi, d * np.pi / 180)
sin = np.sin(angles)
cos = np.cos(angles)
rot_matrices = np.empty((angles.shape[0], 2, 2))
rot_matrices[..., 0, 0] = cos
rot_matrices[..., 0, 1] = -sin
rot_matrices[..., 1, 0] = sin
rot_matrices[..., 1, 1] = cos
return np.dot(rot_matrices, p)
如下面的示例所示,如果您的输入是一维行向量、二维单列向量或包含多个列向量的二维数组,则此方法可行:
>>> interpolate360(90, [0, 1])
array([[ 0.00000000e+00, 1.00000000e+00],
[ -1.00000000e+00, 6.12323400e-17],
[ -1.22464680e-16, -1.00000000e+00],
[ 1.00000000e+00, -1.83697020e-16]])
>>> interpolate360(90, [[0], [1]])
array([[[ 0.00000000e+00],
[ 1.00000000e+00]],
[[ -1.00000000e+00],
[ 6.12323400e-17]],
[[ -1.22464680e-16],
[ -1.00000000e+00]],
[[ 1.00000000e+00],
[ -1.83697020e-16]]])
>>> interpolate360(90, [[1, 0], [0, 1]])
array([[[ 1.00000000e+00, 0.00000000e+00],
[ 0.00000000e+00, 1.00000000e+00]],
[[ 6.12323400e-17, -1.00000000e+00],
[ 1.00000000e+00, 6.12323400e-17]],
[[ -1.00000000e+00, -1.22464680e-16],
[ 1.22464680e-16, -1.00000000e+00]],
[[ -1.83697020e-16, 1.00000000e+00],
[ -1.00000000e+00, -1.83697020e-16]]])