如何在NumPy中从矩阵列表创建指定维度的张量？

使用numpy.stack()并指定axis=2参数，即可将多个同维度矩阵按第三个维度拼接成目标张量，完美适配你不确定矩阵数量的场景。

基础示例代码 #

import numpy as np

A = np.random.rand(3,2)
B = np.random.rand(3,2)
C = np.random.rand(3,2)

# 按第三个维度堆叠矩阵
T = np.stack([A, B, C], axis=2)

验证结果：

print(T.shape)  # 输出 (3, 2, 3)
print(np.array_equal(T[:,:,0], A))  # 输出 True，确认T[:,:,0]等于A
print(np.array_equal(T[:,:,1], B))  # 输出 True，确认T[:,:,1]等于B
print(np.array_equal(T[:,:,2], C))  # 输出 True，确认T[:,:,2]等于C

动态矩阵数量的处理 #

如果运行前不确定矩阵数量，只需先将所有矩阵收集到列表中，再传入np.stack()即可：

import numpy as np

# 初始化列表用于收集矩阵
matrix_collection = []

# 模拟动态添加矩阵（可根据实际逻辑替换）
matrix_collection.append(np.random.rand(3,2))
matrix_collection.append(np.random.rand(3,2))
# 可继续添加更多矩阵...

# 按第三个维度堆叠所有收集到的矩阵
T = np.stack(matrix_collection, axis=2)
print(T.shape)  # 输出 (3, 2, N)，N为收集到的矩阵数量

为什么原方法不符合需求 #

np.array([A,B,C])会默认将列表中的每个矩阵作为第一个维度的元素，因此得到的张量维度是(3, 3, 2)，而np.stack()通过axis参数指定堆叠的轴，axis=2就是在第三个维度上完成拼接，正好匹配你想要的3x2xN结构。

内容的提问来源于stack exchange，提问作者Johndoe