如何为存储行列坐标的数组添加层值，生成三维元组数组？

我有一个存储行、列坐标的numpy数组rowcol：

import numpy as np

rowcol = np.array([(25, 65), (25, 66), (25, 67), (25, 68), (26, 65), (26, 66),
       (26, 67), (26, 68), (26, 69), (27, 66), (27, 67), (27, 68),
       (27, 69), (28, 67), (28, 68)], dtype=object)

想要给每个坐标对添加固定值8，转换成(lay, row, col)的形式，目标数组如下：

target = np.array([(8, 25, 65), (8, 25, 66), (8, 25, 67), (8, 25, 68), (8, 26, 65), (8, 26, 66),
       (8, 26, 67), (8, 26, 68), (8, 26, 69), (8, 27, 66), (8, 27, 67), (8, 27, 68),
       (8, 27, 69), (8, 28, 67), (8, 28, 68)], dtype=object)

之前尝试用zip()合并全8数组和rowcol，结果得到了嵌套元组：

layer = [8]*len(rowcol)
nested_result = list(zip(layer, rowcol))
# 输出：[(8, (25, 65)), (8, (25, 66)), ...]

解决方法 #

方法1：用列表推导式展开嵌套元组（处理已有结果）

如果已经得到了嵌套元组列表，可以通过元组拼接直接展开：

flattened = [(lay,) + rc for lay, rc in nested_result]
result = np.array(flattened, dtype=object)

方法2：直接生成目标数组（无需zip）

最直接的方式是遍历rowcol中的每个坐标对，直接拼接前缀值8：

result = np.array([(8, r, c) for r, c in rowcol], dtype=object)

这里利用了元组的拼接特性，(8, r, c)直接生成三元组，避免嵌套。

方法3：用numpy数组拼接（适合大规模数据）

如果数据量较大，用numpy原生操作效率更高：

# 将rowcol转换为二维数值数组
rowcol_2d = np.array(rowcol.tolist(), dtype=int)
# 生成全8的列数组
layer_col = np.full((rowcol_2d.shape[0], 1), 8)
# 横向拼接数组
combined = np.hstack([layer_col, rowcol_2d])
# 转换为元组数组
result = np.array([tuple(row) for row in combined], dtype=object)

说明 #

• 元组是不可变序列，用+运算符可以直接合并两个元组，比如(8,) + (25,65)会得到(8,25,65)，这是避免嵌套的关键。
• 列表推导式写法简洁直观，适合小规模数据；numpy原生拼接则更适合处理大规模数组，效率更高。

内容的提问来源于stack exchange，提问作者jgomn