将3D NumPy数组添加到列表时生成一维数组的问题求助

你的核心错误是循环中每次都用单个数组覆盖了x_train变量，没有把处理后的数组添加到初始的列表里。初始时x_train是列表，但循环内的x_train = np.array(spectrogram)直接将其替换成单个numpy数组，后续循环继续覆盖这个变量，最终自然无法收集所有8620个数组。

修正后的代码 #

import os
import numpy as np

x_train = []
for root, _, file_names in os.walk(spectrograms_path):
    for file_name in file_names:
        file_path = os.path.join(root, file_name)
        spectrogram = np.load(file_path, allow_pickle=True)
        # 为数组添加新维度
        processed_spec = spectrogram[..., np.newaxis]
        # 将处理后的数组添加到列表，而非覆盖变量
        x_train.append(processed_spec)
        print(processed_spec.shape)

# 循环结束后，将列表转换为统一的numpy数组
x_train = np.array(x_train)
# 查看最终数组形状，应为 (8620, 原始3D维度, 1)
print(x_train.shape)

关键说明 #

1. 列表收集元素：先通过append把每个处理好的数组添加到列表中，列表可以动态存储任意数量的数组（只要每个数组形状一致）。
2. 统一转numpy数组：循环结束后再将整个列表转为numpy数组，这样会自动在第一个维度上拼接所有样本，得到形状为(样本数, 原3D维度, 1)的4D数组，符合多数深度学习框架的输入要求。

如果之前尝试np.hstack/np.vstack无效，是因为这两个函数需要在指定轴上拼接，但前提是你已经收集了所有数组，而不是每次只处理一个就覆盖变量。

内容的提问来源于stack exchange，提问作者Amartya Chowdhury