如何迭代拼接2D NumPy数组生成(100,75,4)形状的3D数组？

问题根源 #

你之前的np.stack代码报错，是因为第一次循环得到的temp_array是**(75,4)的2维数组，第二次循环stack后变成(2,75,4)**的3维数组；第三次循环时，新取的切片是(75,4)的2维数组，和3维的temp_array维度不匹配，自然会报错。而np.append默认会扁平化数组，所以最终得到(7500,4)的2维结果。

两种可行方案 #

方案1：预先初始化数组（高效直接） #

既然知道最终数组形状是(100,75,4)，可以直接创建空数组，循环填充对应位置：

import numpy as np

# 定义要提取的列
target_cols = ['Open', 'High', 'Low', 'Close']
# 预初始化指定形状的空数组
result_array = np.empty((100, 75, 4))

for i in range(100):
    # 提取第i到i+74行（共75行）的目标列数据，转成numpy数组
    slice_data = timeseries[target_cols].iloc[i:i+75].to_numpy()
    # 将切片数据赋值到结果数组的第i个位置
    result_array[i] = slice_data

print(result_array.shape)  # 输出 (100, 75, 4)

方案2：用列表收集后一次性合并（更灵活） #

先把每次的切片数据存入列表，最后用np.array或np.stack合并成3维数组，这种方式在循环中效率更高：

target_cols = ['Open', 'High', 'Low', 'Close']
data_slices = []

for i in range(100):
    slice_data = timeseries[target_cols].iloc[i:i+75].to_numpy()
    data_slices.append(slice_data)

# 列表转numpy数组，自动生成(100,75,4)的3维结构
result_array = np.array(data_slices)
# 或者用np.stack(data_slices, axis=0)，效果完全一致
print(result_array.shape)  # 输出 (100, 75, 4)

内容的提问来源于stack exchange，提问作者user1517108