如何拼接3D与2D数组：将指定形状数组合并为目标形状

嘿，我来帮你搞定这个维度合并的问题！首先得明确咱们的目标：把形状为(4133,10000,12)的数组（就叫它arr1吧）和(4133,2)的数组（arr2）合并成(4133,10000,12,2)的结果。核心思路是利用numpy的广播机制来对齐维度，这样既高效又省内存。

具体步骤 #

• 给两个数组补全维度：
  • 对于arr1，在最后添加一个维度，将形状从(4133,10000,12)变为(4133,10000,12,1)，方便后续和arr2的扩展维度拼接。
  • 对于arr2，在中间插入两个维度，将形状从(4133,2)变为(4133,1,1,2)——借助numpy的广播机制，这个形状会自动适配成(4133,10000,12,2)的逻辑形状，无需实际复制数据。
• 沿着最后一维拼接：
  将补全维度后的两个数组沿最后一个维度（axis=-1）拼接，即可得到目标形状的数组。

代码实现 #

这里给你两种写法，功能完全一致，看你习惯哪种风格：

写法一（用np.expand_dims明确添加维度）

import numpy as np

# 假设你的两个数组已经定义完成
arr1 = np.random.rand(4133, 10000, 12)
arr2 = np.random.rand(4133, 2)

# 扩展数组维度
arr1_expanded = np.expand_dims(arr1, axis=-1)  # 形状变为(4133,10000,12,1)
arr2_expanded = np.expand_dims(np.expand_dims(arr2, axis=1), axis=2)  # 形状变为(4133,1,1,2)

# 拼接得到最终结果
result = np.concatenate([arr1_expanded, arr2_expanded], axis=-1)
print(result.shape)  # 输出：(4133, 10000, 12, 2)

写法二（用None简化维度扩展）

numpy支持用None快速插入维度，代码会更简洁：

import numpy as np

arr1 = np.random.rand(4133, 10000, 12)
arr2 = np.random.rand(4133, 2)

# 用None添加维度，效果和expand_dims完全相同
arr1_expanded = arr1[..., None]  # ...代表保留前面所有维度，最后新增一维
arr2_expanded = arr2[:, None, None, :]  # 在第1、2位插入新维度

result = np.concatenate([arr1_expanded, arr2_expanded], axis=-1)
print(result.shape)  # 同样输出目标形状

小提醒：别用np.tile #

可能有人会想到用tile来重复arr2的元素，但非常不推荐——tile会实际复制大量数据，对于你这种规模的数组来说，会占用极大的内存空间。而广播机制只是逻辑上的维度扩展，不会额外消耗内存，效率高得多。

内容的提问来源于stack exchange，提问作者bjornsing