如何将Numpy数组行的前9列重塑为3x3矩阵并保留第10列

明确一点：常规numpy数组无法同时存储3x3矩阵和标量（要求所有元素维度一致），因此需要用结构化数组或Python列表来实现需求。

示例数据准备 #

先创建一个n行10列的测试数组：

import numpy as np

n = 5  # 示例行数
dataArray = np.random.rand(n, 10)

方法1：使用numpy结构化数组（推荐，保留numpy数组特性） #

结构化数组支持存储不同维度/类型的元素，完美匹配需求：

# 定义数据类型：第一个字段存3x3矩阵，第二个存标量
dtype_spec = [('matrix', np.float64, (3, 3)), ('scalar', np.float64)]
# 初始化结果数组
structured_result = np.empty(n, dtype=dtype_spec)

# 批量填充数据
structured_result['matrix'] = dataArray[:, :9].reshape(n, 3, 3)
structured_result['scalar'] = dataArray[:, 9]

访问方式：

• 第i行的3x3矩阵：structured_result[i]['matrix']
• 对应第10列的标量：structured_result[i]['scalar']

方法2：使用Python列表（简单灵活） #

如果不需要numpy数组的特性，用列表存储元组更直观：

list_result = []
for row in dataArray:
    # 前9列重塑为3x3矩阵，第10列作为标量
    list_result.append( (row[:9].reshape(3,3), row[9]) )

访问方式：

• 第i个元素的矩阵：list_result[i][0]
• 对应标量：list_result[i][1]

注意事项 #

原dataArray是常规二维numpy数组，无法直接修改为混合维度结构（比如把某列换成矩阵），必须通过上述两种方式创建新结构来存储目标数据。

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