基于向量扩展矩阵：寻求NumPy实现矩阵A转矩阵B的更优方法

当然有更简洁高效的实现方式。原代码里的np.insert和多次转置、重塑操作在处理大规模矩阵时效率偏低，我们可以利用NumPy的拼接函数和广播机制来优化，代码更直观且性能更好：

import numpy as np

a = np.array([[0.02, 0.05, 0.05],
              [0.35, 0.10, 0.45],
              [0.08, 0.25, 0.15]])

w = np.array([0.75, 0.25])

# 垂直拼接原矩阵与最后一行，得到4×3的中间矩阵
temp_B = np.vstack([a, a[2:3, :]])
# 水平拼接中间矩阵与它的第三列（索引为2），得到4×4矩阵
temp_B = np.hstack([temp_B, temp_B[:, 2:3]])
# 利用广播对最后两行逐行乘以w的对应元素
temp_B[2:] *= w.reshape(-1, 1)

B = temp_B

优化点说明： #

• 替换np.insert为拼接函数：np.vstack和np.hstack直接基于数组维度进行拼接，避免了np.insert需要移动大量元素的额外开销，在矩阵规模较大时性能提升显著；
• 消除冗余的转置与重塑：原代码中两次转置+insert+reshape的复杂操作，可直接通过水平拼接一步完成，逻辑更清晰；
• 用广播简化乘法操作：将w重塑为列向量后，NumPy会自动广播维度，无需手动转置子矩阵，代码更简洁且执行效率更高。

运行这段代码得到的B矩阵与原代码完全一致，但执行效率更高，可读性也更强。

内容的提问来源于stack exchange，提问作者Stücke