如何将含(3,x)二维列表的一维Python列表转为Keras LSTM可用的三维列表/数组

一、直接转换为三维列表 #

你当前的输入列表本身已经是符合要求的三维结构：外层是3000个元素的列表，每个元素是(3, x)的二维列表，整体形状就是(3000, 3, x)（其中x可随元素变化）。如果需要显式构造，用简单的列表推导式即可：

# input_list 是你的原始(3000,)列表
three_d_list = [item for item in input_list]

二、转换为NumPy数组（适配Keras LSTM输入） #

由于NumPy要求数组形状规整，若每个元素的x长度不同，需要先对数据进行填充（padding），统一到最大x长度。另外注意：Keras LSTM的标准输入形状是(样本数, 时间步数, 特征数)，需根据你的数据含义调整维度：

情况1：3是时间步数，x是特征数

如果3代表时间步，x代表每个时间步的特征数，按以下步骤处理：

import numpy as np

input_list = [你的原始列表]
# 找到所有元素中的最大特征数
max_x = max(len(row) for item in input_list for row in item)

# 对每个元素填充0到(3, max_x)
padded_data = []
for item in input_list:
    padded_item = [row + [0]*(max_x - len(row)) for row in item]
    padded_data.append(padded_item)

# 转换为NumPy数组，形状为(3000, 3, max_x)
three_d_array = np.array(padded_data)

情况2：x是时间步数，3是特征数（更符合LSTM常规用法）

如果x是时间步，3是每个时间步的特征数，需要先转置每个二维列表的维度，再填充：

import numpy as np

input_list = [你的原始列表]
# 找到所有元素中的最大时间步数
max_x = max(len(item[0]) for item in input_list)

# 转置并填充
padded_data = []
for item in input_list:
    # 将(3, x)转置为(x, 3)，即时间步在前，特征在后
    transposed_item = list(zip(*item))
    # 填充0到(max_x, 3)
    padded_transposed = transposed_item + [[0]*3]*(max_x - len(transposed_item))
    padded_data.append(padded_transposed)

# 转换为NumPy数组，形状为(3000, max_x, 3)，符合LSTM输入要求
three_d_array = np.array(padded_data)

内容的提问来源于stack exchange，提问作者emilector