Question

我有单点

x = ..
y = ..
p = np.matrix([[x],[y]])

我希望以 d 度为增量围绕原点旋转该点，以获得 N = 360 / d 点。例如，我想象以下功能。

points = interpolate360(d, p)

点的形状应为（2，N）

我可以在循环中使用新的旋转矩阵为每个旋转执行代码，然后连接结果，但我希望使用某种矢量化解决方案。

Answer 1

在大多数情况下，使用numpy的matrix可能不是最好的主意。解决问题的一种方法是创建一个3D数组，其中[n, :, :]包含n - 角度的旋转矩阵。您不能拥有3D matrix，因此如果混合数组和矩阵类型并且仍然希望依赖*进行矩阵乘法，它可能会变得混乱。如果您坚持使用数组，并且np.dot可以预测地处理矩阵乘法，则以下代码可以很好地工作。它实际上也需要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1D行向量，2D单列向量或包含多个列向量的2D数组，则此方法有效：

>>> 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]]])

用numpy插入一个角度的旋转

1 个答案: