如何移除嵌套NumPy数组中的多余层级？

嘿，刚好碰到过类似的嵌套数组扁平化需求，给你整理两种实用方法，尤其是NumPy的高效实现方式：

首先得把你的嵌套列表转成NumPy数组，才能发挥它的高效优势。转成数组后，我们可以通过维度索引或调整工具快速去掉多余层级：

import numpy as np

# 先把嵌套列表转为NumPy数组
original_array = [ [ [ [ "data . . . "], ] ], [ [ ["more data . . ."], ] ] ]
np_arr = np.array(original_array)

# 先查看原数组形状，方便理解操作逻辑
print(np_arr.shape)  # 输出 (2, 1, 1, 1)，对应4层嵌套结构

要得到你想要的[[ "data . . . "], ["more data . . ."]]格式，有两种简洁方式：

• 直接索引定位：通过多维索引跳过单维度层级

  # 取外层所有元素，跳过中间两个单维度，保留最内层的列表维度
  result = np_arr[:, 0, 0, :]
  # 输出结果：array([['data . . . '], ['more data . . . ']], dtype='<U12')
  

• squeeze+补维度：先自动移除所有单维度，再重新构建目标维度

  # squeeze会删掉所有长度为1的维度，得到形状为(2,)的一维数组
  squeezed = np_arr.squeeze()
  # 用[:, np.newaxis]把一维数组转为(2,1)的二维数组，匹配需求格式
  result = squeezed[:, np.newaxis]
  

NumPy的这些操作都是矢量化执行的，比列表推导式快得多，数据规模越大，效率差距越明显。

你提到的列表推导式完全可行，代码简单易懂，适合小数据量场景：

original_array = [ [ [ [ "data . . . "], ] ], [ [ ["more data . . ."], ] ] ]
a_flat = [ row[0][0] for row in original_array ]
# 输出结果：[ ['data . . . '], ['more data . . . '] ]

逻辑很直观：row对应外层数组的每个嵌套元素（比如第一个[[[["data..."]]]]），row[0][0]直接定位到["data..."]这一层，刚好符合你的需求。

• 如果处理大规模数据、追求执行效率，优先选NumPy的矢量化操作；
• 如果数据量小、看重代码可读性，列表推导式就足够好用。

内容的提问来源于stack exchange，提问作者Guy Eric Matz