如何将4D图像数组与1D标签数组合并为指定结构的2D数组？

要实现你需要的数组合并，直接使用np.stack、np.concatenate等常规方法行不通——这些方法要求待合并数组的维度在拼接轴之外完全匹配，而你的A是4D数组、B是1D数组，无法直接对齐维度。

正确的做法是使用object类型的numpy数组，这种数组允许每个元素存储任意类型的对象（包括不同形状的数组或单个整数），正好满足你的需求：

import numpy as np

# 假设A和B已定义
C = np.empty((A.shape[0], 2), dtype=object)

# 将A中的每个3D图像分配到C的第一列
C[:, 0] = A
# 将B中的每个标签分配到C的第二列
C[:, 1] = B

验证结果：

print(C.shape)  # 输出 (800, 2)
print(C[0][0].shape)  # 输出 (3, 100, 100)
print(type(C[0][1]))  # 输出 <class 'int'>

补充说明 #

如果你能接受C的形状为(800,)而非(800,2)，也可以使用结构化数组，这种方式在内存效率上可能更优：

# 定义结构化数据类型：一个存储3D图像的字段，一个存储整数标签的字段
dtype = [('image', np.float64, (3, 100, 100)), ('label', np.int32)]
C = np.empty(A.shape[0], dtype=dtype)

C['image'] = A
C['label'] = B

# 访问方式
print(C[0]['image'].shape)  # (3, 100, 100)
print(type(C[0]['label']))  # <class 'numpy.int32'>

内容的提问来源于stack exchange，提问作者Hally