如何在Python中按行和列合并不同维度的两个数组？

在Python中处理这类数组合并，通常使用numpy库来实现，核心步骤是先扩展低维数组的维度，使其与高维数组的维度匹配，再进行合并。以下是针对你需求的两种合并方式：

1. 按列方向合并（扩展第三个维度） #

这里的列方向对应三维数组的第三个轴（axis=2）（即原数组中1200的维度）。需要先把二维数组arr2扩展为(150, 1400, 1)的三维数组，再和arr1在列维度上合并：

import numpy as np

# 创建示例数组（替换为你的实际数组）
arr1 = np.random.rand(150, 1400, 1200)
arr2 = np.random.rand(150, 1400)

# 扩展arr2的维度：从(150,1400)转为(150,1400,1)
arr2_expanded = arr2[..., np.newaxis]  # 等价于 arr2.reshape(150, 1400, 1)

# 执行列方向合并
merged_col = np.concatenate([arr1, arr2_expanded], axis=2)
print(merged_col.shape)  # 输出: (150, 1400, 1201)

2. 按行方向合并（扩展第二个维度） #

这里的行方向对应三维数组的第二个轴（axis=1）（即原数组中1400的维度）。由于arr1在第三个轴有1200列，需要先将arr2的每个值重复1200次，扩展为(150, 1400, 1200)的三维数组，再和arr1在行维度上合并：

# 扩展arr2的维度：从(150,1400)转为(150,1400,1200)
arr2_expanded = np.repeat(arr2[..., np.newaxis], repeats=1200, axis=2)

# 执行行方向合并
merged_row = np.concatenate([arr1, arr2_expanded], axis=1)
print(merged_row.shape)  # 输出: (150, 2800, 1200)

关键注意事项 #

• 若你所说的“行/列方向”对应其他轴（比如第一个轴axis=0，即150的维度），只需调整concatenate的axis参数，并确保arr2的维度与arr1对应轴的维度匹配即可。
• 虽然numpy.hstack/numpy.vstack等便捷函数也能实现堆叠，但对于三维数组，直接使用numpy.concatenate并指定轴参数会更直观，避免混淆。

内容的提问来源于stack exchange，提问作者Damien Rice