如何在循环中迭代将子numpy数组添加到父numpy数组

最优方案：用Python列表收集后转NumPy数组 #

你目前采用的方法其实是NumPy官方推荐的高效实现——NumPy数组的内存是连续固定的，每次循环中直接拼接数组会频繁触发内存重新分配与数据拷贝，效率极低。而Python列表的动态扩容开销更小，最后一次性转换为数组的性能更优。示例代码：

import numpy as np

list_of_arr = []
# 模拟循环生成子数组
for _ in range(3):
    # 生成(10,3)的示例数组
    sub_arr = np.random.rand(10, 3).astype(np.float32)
    list_of_arr.append(sub_arr)

# 转换为目标维度(X,10,3)的数组
parent_arr = np.array(list_of_arr)
print(parent_arr.shape)  # 输出(3,10,3)

原生NumPy循环拼接的方法（不推荐，效率偏低） #

如果一定要在循环中用NumPy原生函数实现，有两种方式，但性能均不如列表收集方案：

1. 预先分配数组并填充 #

若提前知晓子数组的数量X，可以先创建空的目标数组，再在循环中逐个填充：

X = 3
# 预先分配内存
parent_arr = np.empty((X, 10, 3), dtype=np.float32)

for i in range(X):
    sub_arr = np.random.rand(10, 3).astype(np.float32)
    parent_arr[i] = sub_arr

2. 循环中使用np.concatenate（需扩展子数组维度） #

每次循环时，先将(10,3)的子数组扩展为(1,10,3)，再与已有的父数组在axis=0维度拼接：

# 初始化父数组为第一个子数组扩展维度后的结果
parent_arr = np.expand_dims(np.random.rand(10,3).astype(np.float32), axis=0)

for _ in range(2):  # 再添加2个子数组
    sub_arr = np.random.rand(10,3).astype(np.float32)
    # 扩展维度后拼接
    parent_arr = np.concatenate([parent_arr, np.expand_dims(sub_arr, axis=0)], axis=0)

print(parent_arr.shape)  # 输出(3,10,3)

注意：这种方法每次循环都会创建新数组并拷贝数据，当X较大时性能会明显下降，不建议使用。

为什么之前stack/concatenate未达到预期？ #

• np.stack默认会在新维度堆叠数组，若循环中每次仅传入现有父数组+新子数组，会导致维度不断嵌套（比如第一次堆叠后是(2,10,3)，第二次直接堆叠会变成(2,2,10,3)），它的作用是对多个数组的新维度批量堆叠，而非追加元素。
• np.concatenate要求拼接的数组维度一致，因此必须先将(10,3)的子数组扩展为(1,10,3)，才能与已有的(X,10,3)数组在axis=0维度拼接。

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