如何使用Numpy将不同尺寸数组沿3D数组第一维度堆叠？

Numpy本身没有直接实现该需求的内置方法——因为Numpy的ndarray是规整的多维数组结构，要求除堆叠轴外的其他维度形状完全一致，所以必须先将不同尺寸的数组统一到目标3D数组的后两个维度尺寸，再进行堆叠/赋值。你的手动补NaN的思路是完全正确的，这里可以提供更简洁的优化实现：

优化后的代码 #

import numpy as np

def pad_to_target(arr, target_shape, fill_value=np.nan):
    # 创建目标形状的填充数组
    padded_arr = np.full(target_shape, fill_value)
    # 自动生成适配原数组的切片，避免手动写索引
    slice_indices = tuple(slice(0, min(src_dim, tgt_dim)) for src_dim, tgt_dim in zip(arr.shape, target_shape))
    padded_arr[slice_indices] = arr
    return padded_arr

# 生成原始数组
A = np.random.rand(3,3)
B = np.random.rand(5,2)
# 初始化目标3D数组
C = np.zeros((2,5,3))

# 填充后赋值到C的对应维度
C[0] = pad_to_target(A, C.shape[1:])
C[1] = pad_to_target(B, C.shape[1:])

关键说明 #

• 之所以必须补NaN（或其他填充值），是因为Numpy不允许数组存在“不规则”的维度——比如C的后两个维度是5x3，那么C[0]和C[1]必须都是5x3的数组，否则无法构成合法的3D数组。
• Xarray能实现类似需求，是因为它在Numpy数组基础上封装了维度标签和掩码机制，本质上内部还是会将数组规整化，只是这个过程对用户更透明。

内容的提问来源于stack exchange，提问作者Nihilum