如何对两个二维NumPy数组进行逐元素Zip配对？

给定两个形状完全相同的二维NumPy数组：

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[1,2,3],[4,5,6],[7,8,9]])

目标是得到逐元素配对后的结果：

[[(1,1) (2,2) (3,3)]
 [(4,4) (5,5) (6,6)]
 [(7,7) (8,8) (9,9)]]

原代码错误分析 #

你尝试的代码：

np.array(list(zip(np.ndarray.flatten(a),np.ndarray.flatten(b)))).reshape(a.shape)

报错cannot reshape array of size 18 into shape (3,3)，原因是：
NumPy默认会把zip生成的元组拆分为独立数值，生成形状为(9,2)的数组（总元素数18），而reshape(3,3)需要9个元素，因此无法匹配。

解决方案 #

方案1：指定dtype=object保留元组

修改原代码，通过dtype=object让NumPy将每个元组视为单个元素：

result = np.array(list(zip(a.flatten(), b.flatten())), dtype=object).reshape(a.shape)
print(result)

输出：

[[(1, 1) (2, 2) (3, 3)]
 [(4, 4) (5, 5) (6, 6)]
 [(7, 7) (8, 8) (9, 9)]]

方案2：列表推导式直接索引配对

无需展平数组，按行列索引直接配对元素：

result = np.array([[(a[i,j], b[i,j]) for j in range(a.shape[1])] for i in range(a.shape[0])], dtype=object)
print(result)

方案3：利用np.stack+apply_along_axis转换

先将两个数组在最后一维堆叠，再将每个子数组转为元组：

stacked = np.stack((a, b), axis=-1)
result = np.apply_along_axis(tuple, 2, stacked)
print(result)

np.stack生成形状为(3,3,2)的数组，apply_along_axis沿最后一维将每个长度为2的子数组转为元组，最终得到目标结构。

内容的提问来源于stack exchange，提问作者Pixel_Bear