如何将多个numpy数组高效拼接为指定结构的矩阵列表？

嘿，这个需求用numpy的工具就能轻松搞定，我给你两种实用的方案，其中第二种是更高效的向量化操作，适合处理大规模数据：

方法1：列表推导式 + 垂直堆叠（直观易懂） #

先定义好你的三个数组，然后遍历每一行索引，把对应行的三个子数组垂直堆叠起来：

import numpy as np

# 初始化你的数组
A = np.array([[1,2,3],[2,3,4]])
B = np.array([[4,5,6],[5,6,7]])
C = np.array([[7,8,9],[8,9,0]])

# 生成目标矩阵列表
Mat = [np.vstack([A[i], B[i], C[i]]) for i in range(A.shape[0])]

解释： #

• np.vstack 本质是 np.concatenate(axis=0) 的封装，它会把多个数组沿着**垂直方向（行维度）**拼接起来，和你提到的np.concatenate用法本质一致。
• 遍历每个行索引i，取A[i]、B[i]、C[i]这三个行数组，堆叠后就得到一个3行3列的子数组，最终组成你需要的列表结构。

方法2：np.stack 向量化操作（高效无循环） #

如果你的数组规模较大，推荐用这个纯numpy向量化的方法，避免Python层面的循环，效率更高：

import numpy as np

A = np.array([[1,2,3],[2,3,4]])
B = np.array([[4,5,6],[5,6,7]])
C = np.array([[7,8,9],[8,9,0]])

# 沿着axis=1堆叠三个数组
stacked_array = np.stack([A, B, C], axis=1)
# 转换为列表，得到目标结构
Mat = list(stacked_array)

解释： #

• np.stack([A,B,C], axis=1) 会在**第二个维度（axis=1）**上合并三个数组，得到形状为(2, 3, 3)的numpy数组：
  • 第一个维度：对应原数组的行索引（共2行）
  • 第二个维度：对应三个输入数组的索引（共3个数组）
  • 第三个维度：原数组的列（共3列）
• 把这个三维数组直接转成列表，每个元素就是一个(3,3)的子数组，完全符合你要的Mat结构。

验证结果 #

不管用哪种方法，打印Mat都会得到：

[array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]]),
 array([[2, 3, 4],
       [5, 6, 7],
       [8, 9, 0]])]

内容的提问来源于stack exchange，提问作者G.Hanna