如何将1000个32×32的Numpy数组堆叠为250个64×64数组？

要实现每4个32×32数组按2×2网格拼接成64×64数组，最优方案是利用numpy的**形状重塑（reshape）和轴变换（transpose）**操作，全程使用向量化运算，避免循环，性能拉满。

核心思路 #

把原数组按每4个一组拆分，将每组4个32×32块重组为2行2列的网格，再合并成64×64的单个数组。

两种高效实现方法 #

方法一：分步拼接（直观易懂）

通过concatenate分步完成横向、纵向拼接，逻辑清晰：

import numpy as np

# 假设输入为形状(1000,32,32)的numpy数组
original = np.random.rand(1000, 32, 32)

# 1. 按每4个一组拆分
grouped = original.reshape(250, 4, 32, 32)

# 2. 每组内横向拼接第0、1个元素，得到顶部32×64块
top_row = np.concatenate([grouped[:, 0], grouped[:, 1]], axis=2)
# 3. 横向拼接第2、3个元素，得到底部32×64块
bottom_row = np.concatenate([grouped[:, 2], grouped[:, 3]], axis=2)

# 4. 纵向拼接上下两行，得到最终(250,64,64)数组
result = np.concatenate([top_row, bottom_row], axis=1)

方法二：形状变换组合（性能最优）

利用reshape和transpose直接调整内存布局，无需额外数据复制，速度更快：

import numpy as np

original = np.random.rand(1000, 32, 32)

# 一步完成重组：reshape分组 → transpose调整轴顺序 → reshape合并维度
result = original.reshape(250, 2, 2, 32, 32).transpose(0, 1, 3, 2, 4).reshape(250, 64, 64)

方法二原理拆解 #

1. reshape(250,2,2,32,32)：将1000个样本拆分为250组，每组是2行×2列的32×32小块，形状变为(250, 行, 列, 高度, 宽度)
2. transpose(0,1,3,2,4)：调整轴的顺序，把列轴和高度轴交换，使每组结构变为(250, 行, 高度, 列, 宽度)，此时行内的列和宽度可以自然合并
3. reshape(250,64,64)：将2行×32高度合并为64高度，2列×32宽度合并为64宽度，直接得到目标形状

验证结果一致性 #

两种方法输出完全一致：

print(np.array_equal(result_method1, result_method2))  # 输出True

内容的提问来源于stack exchange，提问作者Krait