如何在NumPy中从一维时间序列构建三维矩阵？

假设我有四个(N,)向量A、B、C和D：

import numpy as np

N = 100

A = 1*np.ones(N)   # => array([1,1,1,...])
B = 2*np.ones(N)   # => array([2,2,2,...])
C = 3*np.ones(N)   # => array([3,3,3,...])
D = 4*np.ones(N)   # => array([4,4,4,...])

实际应用中这些向量是随时间变化的矩阵元素（示例中为常量）。我需要构建形状为(N,2,2)的矩阵，让每个时间步对应一个2x2矩阵[[a,b],[c,d]]并沿axis 0扩展。现有解决方案可读性较差，想找更简洁的实现方式。

现有解决方案：

A_ = np.reshape(A, (N,1,1))
B_ = np.reshape(B, (N,1,1))
C_ = np.reshape(C, (N,1,1))
D_ = np.reshape(D, (N,1,1))

AB = np.concatenate((A_, B_),axis=2)
CD = np.concatenate((C_, D_),axis=2)

ABCD = np.concatenate((AB,CD),axis=1)

运行结果符合预期：

>>> ABCD
array([[[1., 2.],
        [3., 4.]],

       [[1., 2.],
        [3., 4.]],

       [[1., 2.],
        [3., 4.]],
...
...
       [[1., 2.],
        [3., 4.]],

       [[1., 2.],
        [3., 4.]]])

方法1：堆叠后直接调整形状 #

一步完成向量堆叠与形状转换，代码极简：

ABCD = np.stack([A, B, C, D], axis=1).reshape(N, 2, 2)

解释：np.stack将四个(N,)向量组合为(N,4)数组，再通过reshape把最后一维拆分为(2,2)，刚好匹配目标结构。

方法2：按行构造后堆叠 #

先构造每个2x2矩阵的两行，再沿指定轴堆叠，可读性强：

# 构造每行的(N,2)数组
row1 = np.column_stack([A, B])
row2 = np.column_stack([C, D])
# 沿axis=1堆叠得到(N,2,2)
ABCD = np.stack([row1, row2], axis=1)

方法3：直接赋值（最直观） #

创建目标形状数组后，逐个位置赋值，逻辑一目了然：

ABCD = np.zeros((N, 2, 2))
ABCD[:, 0, 0] = A
ABCD[:, 0, 1] = B
ABCD[:, 1, 0] = C
ABCD[:, 1, 1] = D

方法4：利用块矩阵构造工具 #

如果后续需要扩展为更复杂的块矩阵，np.block是更通用的选择：

ABCD = np.block([[A[:, None], B[:, None]], 
                 [C[:, None], D[:, None]]])

解释：[:, None]将(N,)向量转为(N,1)维度，让np.block可以组合出(N,2,2)的目标数组。

内容的提问来源于stack exchange，提问作者Sam Gallagher