如何将小矩阵作为大矩阵元素按规则替换生成目标矩阵？

当然不用手动逐个填充啦！用数值计算库（比如NumPy）就能非常高效地完成这种块矩阵拼接操作，完全不需要手动创建大矩阵再挨个赋值。下面给你两种实用的实现思路：

方法一：用NumPy的block函数直接拼接（最简洁） #

这个方法的核心是先把原矩阵的每个元素映射为对应的小矩阵，再用np.block一次性拼接成大矩阵，代码非常简洁：

import numpy as np

# 定义原矩阵和三个小替换矩阵
M = np.array([
    [0., 1., 1., 2.],
    [1., 0., 2., 1.],
    [1., 2., 0., 1.],
    [2., 1., 1., 0.]
])

M0 = np.array([[0., 0.], [0., 0.]])
M1 = np.array([[1., 0.], [0., 1.]])
M2 = np.array([[2., 0.], [0., 2.]])

# 创建值到小矩阵的映射字典
block_map = {0: M0, 1: M1, 2: M2}

# 生成由小矩阵组成的嵌套列表
block_list = [[block_map[val] for val in row] for row in M]

# 拼接成8×8的目标矩阵
final_matrix = np.block(block_list)

print(final_matrix)

运行这段代码就能直接得到你想要的8×8矩阵，np.block会自动处理嵌套列表中所有小矩阵的拼接逻辑，效率极高，哪怕原矩阵规模更大（比如100×100替换成2×2块），也能快速完成。

方法二：分块赋值（更直观） #

如果你想更清晰地看到每个块的位置逻辑，可以用循环遍历原矩阵的每个元素，计算对应块在大矩阵中的位置，然后直接赋值：

import numpy as np

M = np.array([
    [0., 1., 1., 2.],
    [1., 0., 2., 1.],
    [1., 2., 0., 1.],
    [2., 1., 1., 0.]
])

M0 = np.array([[0., 0.], [0., 0.]])
M1 = np.array([[1., 0.], [0., 1.]])
M2 = np.array([[2., 0.], [0., 2.]])

block_map = {0: M0, 1: M1, 2: M2}
block_size = 2  # 每个小矩阵的尺寸
final_size = M.shape[0] * block_size  # 大矩阵的尺寸

# 初始化大矩阵
final_matrix = np.zeros((final_size, final_size))

# 遍历原矩阵的每个元素，填充对应块
for i in range(M.shape[0]):
    for j in range(M.shape[1]):
        # 计算当前块在大矩阵中的起始行和列
        start_row = i * block_size
        start_col = j * block_size
        # 赋值对应的小矩阵
        final_matrix[start_row:start_row+block_size, start_col:start_col+block_size] = block_map[M[i,j]]

print(final_matrix)

这个方法虽然用了两层循环，但循环次数只和原矩阵的元素数有关（这里是4×4=16次），完全不会有性能问题，而且逻辑非常直观，容易理解和修改。

总结 #

这两种方法都比手动创建8×8矩阵并逐个填充高效得多，尤其是当矩阵规模扩大时，优势会更明显。优先推荐第一种np.block的方法，代码最简洁；如果需要更灵活的块操作（比如不同大小的替换块），第二种分块赋值的方法更适配。

内容的提问来源于stack exchange，提问作者Lilla_mu