如何在NumPy三维数组中为指定子矩阵添加行向量？

这个问题的核心在于NumPy普通多维数组的同构性——它要求所有子数组的形状必须完全一致，而你想要的结果里两个二维子矩阵的行数不同（一个2行，一个3行），直接用常规的三维数组是存不了的，得用下面两种思路解决：

方法一：使用Object类型数组（匹配你的目标结构） #

Object类型的NumPy数组可以容纳不同形状的子数组，完美适配你想要的结果。步骤如下：

1. 先创建原三维数组：

import numpy as np
a = np.array([[[1,2], [3,4]], [[5,6], [7,8]]])

2. 将原数组转为object类型，再修改指定的子矩阵：

# 转成object类型，允许子数组形状不同
a_obj = a.astype(object)
# 给第二个二维子矩阵添加行向量，用np.vstack（或np.append指定axis=0）
new_submatrix = np.vstack([a_obj[1], [9, 10]])
# 替换原数组中的第二个子矩阵
a_obj[1] = new_submatrix

# 查看结果
print(a_obj)

输出结果完全符合你的预期：

[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]
  [9 10]]]

方法二：先转列表修改，再转回Object数组 #

如果你觉得类型转换有点麻烦，也可以先把NumPy数组转成Python列表，修改后再转回object数组：

a_list = list(a)
# 给列表中的第二个元素（二维子矩阵）添加行
a_list[1] = np.vstack([a_list[1], [9, 10]])
# 转回object类型的NumPy数组
a_result = np.array(a_list, dtype=object)

为什么直接用np.append会失败？ #

你之前尝试np.append出错，是因为：

• 普通三维数组要求所有子维度一致，原数组形状是(2,2,2)，如果指定axis=0，需要新增的数组形状是(1,2,2)，但你的行向量是(2,)，维度不匹配；
• 如果指定axis=1，需要新增的数组形状是(2,1,2)，同样不匹配；
• 不指定axis的话，np.append会默认把所有数组合并前扁平化，所以会得到一堆零散的数值，完全不符合预期。

额外建议：优先用同构数组（如果业务允许） #

Object类型数组的数值运算效率远低于普通NumPy数组，因为它本质上存储的是Python对象而非连续的数值块。如果你的业务场景允许，建议给所有二维子矩阵统一扩展到相同行数（比如给第一个子矩阵补一行填充值），这样就能用常规三维数组了：

# 给所有子矩阵补一行0，变成(2,3,2)的同构数组
a_padded = np.pad(a, ((0,0), (0,1), (0,0)), mode='constant', constant_values=0)
# 替换第二个子矩阵的最后一行
a_padded[1, 2] = [9, 10]

print(a_padded)

输出：

[[[ 1  2]
  [ 3  4]
  [ 0  0]]

 [[ 5  6]
  [ 7  8]
  [ 9 10]]]

内容的提问来源于stack exchange，提问作者Brain Stroke Patient