如何无循环/单循环实现特定方式的NumPy数组重塑？

可以通过三步向量化操作完成转换，完全不需要循环，核心思路是先拆分原数组的行，再调整维度顺序，最后展平：

import numpy as np

# 原数组
arr = np.array([
    [1,2,6,3,2,5],
    [9,4,7,3,2,6],
    [8,4,6,3,2,6],
    [9,5,0,4,5,2],
    [0,5,2,6,4,2],
    [8,6,2,5,7,4]
])

# 步骤1：将每行拆分为3个长度为2的子块，形状变为(6, 3, 2)
reshaped = arr.reshape(6, 3, 2)
# 步骤2：调整维度顺序，将子块的维度移到最前面，形状变为(3, 6, 2)
transposed = reshaped.transpose(1, 0, 2)
# 步骤3：展平为目标形状(3, 12)
result = transposed.reshape(3, -1)

print(result)

输出结果与预期完全一致：

[[1 2 9 4 8 4 9 5 0 5 8 6]
 [6 3 7 3 6 3 0 4 2 6 2 5]
 [2 5 2 6 2 6 5 2 4 2 7 4]]

操作逻辑对应转换模式： #

1. reshape(6,3,2)：把原数组每行的6个元素拆成3组（每组2个），对应你标注的[x11,x12]、[x13,x14]、[x15,x16]这类子块。
2. transpose(1,0,2)：将维度顺序从「原行→子块→子块元素」调整为「子块→原行→子块元素」，这样第一个维度就对应结果的3行，每个维度下包含所有原行的对应子块。
3. reshape(3,-1)：把每个子块维度下的(6,2)二维结构直接展平成12个元素的行，得到目标拼接效果。

内容的提问来源于stack exchange，提问作者viator93