嵌套NumPy数组内层数组追加元素遇形状不匹配错误如何解决？

原数组a = np.array([[(0, 0), (1, 1)]])的形状为(1, 2, 2)，直接操作时容易因维度不匹配触发ValueError。以下是两种可行解决方案：

方案一：向量式操作（推荐，高效） #

利用NumPy的数组维度调整与合并函数，无需循环即可完成：

import numpy as np

a = np.array([[(0, 0), (1, 1)]])
# 去除多余维度，将(1,2,2)转为(2,2)的二维数组
a_2d = a.squeeze()
# 生成与原数组行数匹配的全1列（形状为(2,1)）
add_col = np.ones((a_2d.shape[0], 1), dtype=a.dtype)
# 横向合并数组，得到目标结果
result = np.hstack([a_2d, add_col])
# 输出：array([[0, 0, 1], [1, 1, 1]])

方案二：循环处理（适配动态场景） #

如果需要应对无法预知原数组结构的场景，可先降维后逐行处理：

import numpy as np

a = np.array([[(0, 0), (1, 1)]])
result_list = []
# 降维后遍历每一行（每个(2,)的数组）
for row in a.reshape(-1, a.shape[-1]):
    # 给当前行末尾追加1，确保维度匹配
    new_row = np.append(row, 1)
    result_list.append(new_row)
# 转换为NumPy数组
result = np.array(result_list)

报错原因说明 #

之前使用np.append/np.hstack报错，是因为直接遍历三维数组a时，拿到的是形状为(2,2)的子数组，而非目标的(2,)内层数组。必须先通过squeeze()或reshape(-1, a.shape[-1])将三维数组降为二维，再针对每行操作，才能避免形状不匹配问题。

内容的提问来源于stack exchange，提问作者lzzard