如何高效展平列表中的NumPy图像数组？求更优实现方案

我有3张图像，将它们存储在列表image1中，代码如下：

from sklearn.datasets import load_sample_images
datasets = load_sample_images()
image1 = [datasets.images[1][:,:,0],datasets.images[1][:,:,0],datasets.images[0][:,:,0]]
# datasets.images[1][:,:,0] 是一个NumPy数组

出于需求，我需要将列表中的每个图像展平，并将结果存储为NumPy数组。我当前的实现方案为：

result = np.array([item.flatten() for item in image1])

请问是否存在更优的解决方案？

如果列表中所有图像数组的形状完全相同（比如你的例子里，三个元素都是(427, 640)的二维数组），可以利用NumPy的矢量化操作直接处理，避免Python层面的循环，代码更简洁且性能更优：

import numpy as np
# 先将列表转为三维NumPy数组，再一次性展平每个子数组
result = np.array(image1).reshape(len(image1), -1)

为什么这个方法更好？ #

• 性能更高：直接通过NumPy底层的C实现完成数组转换和形状调整，比逐个遍历列表元素的Python循环（即使是列表推导式）速度更快，尤其当图像数量多、尺寸大时，差距会更明显。
• 代码更简洁：一行代码完成所有操作，可读性更强。

如果列表中的图像数组形状不一致，那你当前的列表推导式方案就是最合适的，因为只有逐个处理才能适配不同形状的数组。

内容的提问来源于stack exchange，提问作者zo Aoo