如何无需循环，用一维NumPy数组填充不同维度的多维数组？

要实现将一维数组data（长度100）填充到形状为(100, 10, 10)的数组all2中（使每个all2[i, j, k]等于data[i]），完全可以不用三重循环，以下是几种高效优雅的实现方式：

方法1：利用NumPy广播机制（推荐） #

通过给data增加两个单维度，让其形状变为(100, 1, 1)，赋值时NumPy会自动将其广播到目标数组的形状，这种方式无需额外复制数据，性能最优：

import numpy as np

data = np.arange(0, 100)
all2 = np.empty((100, 10, 10))
# 两种维度扩展方式任选其一
all2[:] = data[:, np.newaxis, np.newaxis]
# 或者
# all2[:] = data.reshape(100, 1, 1)

方法2：使用np.tile函数 #

tile函数可以将数组按指定次数重复，先把data调整为(100,1,1)的形状，再在第2、3维度各重复10次：

import numpy as np

data = np.arange(0, 100)
all2 = np.tile(data.reshape(100, 1, 1), (1, 10, 10))

方法3：使用np.repeat函数 #

通过两次repeat操作，分别在第2、3维度重复数据：

import numpy as np

data = np.arange(0, 100)
# 先在第2维度重复10次，再在第3维度重复10次
all2 = np.repeat(np.repeat(data.reshape(100, 1), 10, axis=1), 10, axis=2)

以上三种方法都能替代三重循环，其中广播机制的内存效率最高，是最推荐的实现方式。

内容的提问来源于stack exchange，提问作者MichaelW