最も効率的な行乗算

Question

私は再びそのような

df = pd.DataFrame(randint(2,size=(3,9))) 
df.values 
array([[0, 1, 0, 1, 1, 1, 0, 1, 1], 
     [1, 0, 1, 1, 1, 1, 0, 0, 1], 
     [0, 0, 0, 1, 0, 0, 1, 1, 0]]) 

として行列があると、この例の各行は、3つの3D座標を表し、例えば、以下の回転行列：

array([[ 0.00000000e+00, 0.00000000e+00, 1.00000000e+00], 
     [ 0.00000000e+00, 1.00000000e+00, 0.00000000e+00], 
     [ -1.00000000e+00, 0.00000000e+00, 0.00000000e+00]]) 

できるだけ効率的にこれを行うには（本当の問題は、ところで、座標数百万を持っている）現在、私は私がしなければならないという、ややバッフル付き午前：

まずdf.reshape適用 - それぞれをそれを得るために

array([[0, 1, 0], 
     [1, 1, 1], 
     [0, 1, 1], 
     [1, 0, 1], 
     [1, 1, 1], 
     [0, 0, 1], 
     [0, 0, 0], 
     [1, 0, 0], 
     [1, 1, 0]]) 

そしてこの例では行三次元で構成され、[（X、Y、Z）、（X、Y、Z）、（X、Y、Z）]ように座標rotate to conventionには、上記の転置を意味するu_new = R \dot uが必要ですこれにより、列方向（すなわち、列方向）を取ることができる。回転行列との乗算を行う。

array([[0, 1, 0, 1, 1, 0, 0, 1, 1], 
     [1, 1, 1, 0, 1, 0, 0, 0, 1], 
     [0, 1, 1, 1, 1, 1, 0, 0, 0]]) 

その後、我々は乗算を行うことができます。

pd.DataFrame(dot(rotmat,df)).values 

array([[ 0.00e+00, 2.22e-16, 0.00e+00, 1.00e+00, 2.22e-16, 
      2.22e-16, 1.00e+00, 1.00e+00, 2.22e-16], 
     [ 1.00e+00, 0.00e+00, 1.00e+00, 1.00e+00, 1.00e+00, 
      1.00e+00, 0.00e+00, 0.00e+00, 1.00e+00], 
     [ 0.00e+00, -1.00e+00, 0.00e+00, -1.00e+00, -1.00e+00, 
     -1.00e+00, 2.22e-16, -1.00e+00, -1.00e+00]]) 

をそして元の形状にこれを取得するための全体のプロセスを逆に、他の目的に使用されます。

確かにこれを行うためのより効率的な方法が必要です（うまくいけば、回転行列を乱さないでください）？

Answer 1

変換が完了するまで、これは決してデータフレームに触れてはなりません。

a = np.array([ 
     [0, 1, 0, 1, 1, 1, 0, 1, 1], 
     [1, 0, 1, 1, 1, 1, 0, 0, 1], 
     [0, 0, 0, 1, 0, 0, 1, 1, 0] 
    ]) 

rotmat = np.array([ 
     [ 0.00000000e+00, 0.00000000e+00, 1.00000000e+00], 
     [ 0.00000000e+00, 1.00000000e+00, 0.00000000e+00], 
     [ -1.00000000e+00, 0.00000000e+00, 0.00000000e+00] 
    ]) 

a.reshape(3, 3, -1).dot(rotmat).reshape(-1, 9) 

array([[ 0., 1., 0., -1., 1., 1., -1., 1., 0.], 
     [-1., 0., 1., -1., 1., 1., -1., 0., 0.], 
     [ 0., 0., 0., 0., 0., 1., 0., 1., 1.]]) 

---

df = pd.DataFrame(a.reshape(3, 3, -1).dot(rotmat).reshape(-1, 9)) 
df