如何从含7元素的2D数组生成指定维度Numpy数组并解决拼接报错？

问题说明 #

• 从包含7个元素的2D数组创建维度为1×3、1×3、1×1的NumPy数组
• 调用np.concatenate拼接时触发维度不匹配错误：

  所有输入数组除拼接轴外的维度必须完全匹配，但维度1上索引0的数组大小为3，索引2的为1

• np.hstack可正常运行，但结果是横向拼接后的单一数组，期望得到独立矩阵结构的输出（示例：[[2. 5. 8.] [4. 5. 6.] [5.]]）

错误原因 #

np.concatenate要求除拼接轴之外的所有维度严格一致。当指定axis=0（纵向拼接）时，三个数组的列数（第1维度）分别为3、3、1，不满足匹配要求，因此报错。而np.hstack是横向拼接，会自动扩展维度适配，但输出结果不符合“独立矩阵”的需求。

解决方案 #

标准二维NumPy数组要求所有行的列数必须统一，无法直接生成每行列数不同的二维结构。可以通过以下两种方式实现期望的独立矩阵输出：

方法1：用列表存储独立矩阵 #

直接将三个子数组存入列表，保留各自的形状结构：

import numpy as np

def calculate(lst):
    arr = np.array(lst)
    newarr = arr.reshape((3, 3))
    mean = np.mean(newarr)
    rowmeans = np.mean(newarr, axis=1)
    columnmeans = np.mean(newarr, axis=0)
    
    combined_array1 = rowmeans.reshape(1, 3)
    combined_array2 = columnmeans.reshape(1, 3)
    combined_array3 = np.array([[mean]])
    
    # 用列表存储独立矩阵
    result = [combined_array1, combined_array2, combined_array3]
    for mat in result:
        print(mat)

calculate([1, 2, 3, 4, 5, 6, 7, 8, 9])

方法2：创建Object类型的NumPy数组 #

通过指定dtype=object，可以生成一个元素为子数组的数组，模拟期望的输出结构：

import numpy as np

def calculate(lst):
    arr = np.array(lst)
    newarr = arr.reshape((3, 3))
    mean = np.mean(newarr)
    rowmeans = np.mean(newarr, axis=1)
    columnmeans = np.mean(newarr, axis=0)
    
    combined_array1 = rowmeans.reshape(1, 3)
    combined_array2 = columnmeans.reshape(1, 3)
    combined_array3 = np.array([[mean]])
    
    # 创建object类型数组存储独立矩阵
    result = np.array([combined_array1, combined_array2, combined_array3], dtype=object)
    print(result)

calculate([1, 2, 3, 4, 5, 6, 7, 8, 9])

输出示例（方法2）：

array([array([[2., 5., 8.]]), array([[4., 5., 6.]]), array([[5.]])],
      dtype=object)

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