如何将NumPy数组切片并广播为不同尺寸的NumPy数组？

原方法的错误原因 #

你原来的代码报错是因为链式索引导致赋值目标形状不匹配：
A_broadcast[::2][0] 等价于先取数组的第0、2行（得到(2,4)的数组），再取这个子数组的第0行（得到长度为4的一维数组），而A[0]是长度为2的数组，两者形状无法匹配，因此抛出ValueError。

原方法的调整方案 #

只需要修改索引方式，直接在原数组上定位到需要赋值的具体列位置，而不是链式索引整行：

import numpy as np

A = np.array([[1, 3], [2, 4]])
A_broadcast = np.zeros((3, 4))

# 第一行：A[0]赋值到第0、2列
A_broadcast[0, ::2] = A[0]
# 第二行：A[1]赋值到第1、3列
A_broadcast[1, 1::2] = A[1]
# 第三行：A[0]赋值到偶数列，A[1]赋值到奇数列
A_broadcast[2, ::2] = A[0]
A_broadcast[2, 1::2] = A[1]

print(A_broadcast)
# 输出：
# [[1. 0. 3. 0.]
#  [0. 2. 0. 4.]
#  [1. 2. 3. 4.]]

更简洁的替代方法 #

方法1：按行构造后拼接 #

通过np.stack构造每行的元素模式，再用np.vstack组合成最终数组：

import numpy as np

A = np.array([[1, 3], [2, 4]])

# 构造第一行：A[0]元素后插0
row1 = np.stack([A[0], np.zeros_like(A[0])], axis=1).flatten()
# 构造第二行：A[1]元素前插0
row2 = np.stack([np.zeros_like(A[1]), A[1]], axis=1).flatten()
# 构造第三行：A[0]与A[1]交替
row3 = np.stack([A[0], A[1]], axis=1).flatten()

A_broadcast = np.vstack([row1, row2, row3])

方法2：批量索引赋值 #

利用数组的批量索引功能，一次性完成多位置赋值，减少重复代码：

import numpy as np

A = np.array([[1, 3], [2, 4]])
A_broadcast = np.zeros((3, 4))

# 第0、2行的偶数列赋值A[0]
A_broadcast[[0, 2], ::2] = A[0]
# 第1、2行的奇数列赋值A[1]
A_broadcast[[1, 2], 1::2] = A[1]

内容的提问来源于stack exchange，提问作者E. V. Hadzen