Python中如何按要求压缩一维与二维Numpy数组？

要实现你期望的配对方式，核心是遍历二维数组的每一行，将该行的每个元素与一维数组对应位置的元素配对，而不是把一维数组的元素和二维数组的整行配对。这里用列表推导式就能轻松实现：

import numpy as np

arr2D = [[5.88964708e-02, -2.38142395e-01, -4.95821417e-01, -7.07269274e-01], [0.53363666, 0.1654723 , -0.16439857, -0.44880487]]
arr2D = np.asarray(arr2D)
arr1D = np.arange(7, 8.5+0.5, 0.5)
arr1D = np.asarray(arr1D)

# 生成期望的配对结果
res = [list(zip(arr1D, row)) for row in arr2D]

# 按你期望的格式打印
for sublist in res:
    print([sublist])

运行这段代码后，输出会和你期望的完全一致：

[[(7.0, 0.0588964708), (7.5, -0.238142395), (8.0, -0.495821417), (8.5, -0.707269274)]]
[[(7.0, 0.53363666), (7.5, 0.1654723), (8.0, -0.16439857), (8.5, -0.44880487)]]

为什么原来的代码不符合预期？ #

你原来的np.array(list(zip(arr1D, arr2D)))逻辑是把arr1D的每个元素和arr2D的整行做配对：

• arr1D有4个元素（7.0,7.5,8.0,8.5），arr2D有2行，所以zip会以最短的序列（也就是arr2D的2行）为准，只生成2组配对：(7.0, arr2D第一行)、(7.5, arr2D第二行)，这就导致了之前的输出结果。

而我们需要的是对arr2D的每一行，都和整个arr1D做元素级的配对，所以用[list(zip(arr1D, row)) for row in arr2D]遍历每一行，再逐个配对，就能得到你要的结构。

内容的提问来源于stack exchange，提问作者Joanne