拼接分块后的3D NumPy数组问题求助

示例场景解决方案 #

你的分块是按照2×2网格划分的（横向2块、纵向2块），每个分块形状为(2,2,2)。要得到目标结果，可通过以下两种方法实现：

方法1：分步拼接

先横向拼接同组相邻分块（沿最后一维axis=2），再纵向拼接各组结果（沿中间一维axis=1）：

import numpy as np

yellow_chunk = np.array([[[1,2], [5,6]], [[17,18], [21,22]]])
green_chunk = np.array([[[3,4], [7,8]], [[19,20], [23,24]]])
blue_chunk = np.array([[[9,10], [13,14]], [[25,26], [29,30]]])
red_chunk = np.array([[[11,12], [15,16]], [[27,28], [31,32]]])

# 横向拼接第一行的两个块
top_row = np.concatenate([yellow_chunk, green_chunk], axis=2)
# 横向拼接第二行的两个块
bottom_row = np.concatenate([blue_chunk, red_chunk], axis=2)
# 纵向拼接两行得到最终结果
output = np.concatenate([top_row, bottom_row], axis=1)

print(output)

输出与你期望的结果完全一致。

方法2：通用网格重组（适合大规模分块）

如果分块数量较多（比如你的实际场景16×16），可先将所有分块整理成分块网格数组，再通过轴变换和重塑完成拼接，无需手动分步操作：

# 将分块按2×2网格排列（行优先顺序）
chunk_grid = np.array([[yellow_chunk, green_chunk], [blue_chunk, red_chunk]])
# chunk_grid形状为(2,2,2,2,2) → (块行数, 块列数, 数据轴0, 数据轴1, 数据轴2)

# 调整轴顺序：保留数据轴0，将块行维度与数据轴1合并、块列维度与数据轴2合并
rearranged = chunk_grid.transpose(2, 0, 3, 1, 4)
# 重塑数组，合并对应维度得到最终形状
output = rearranged.reshape(2, 2*2, 2*2)

实际场景适配（16×16分块，每个分块16×128×16） #

假设你已将16×16个分块整理为形状(16,16,16,128,16)的网格数组chunk_grid，执行以下步骤即可得到完整数据集：

1. 调整轴顺序：保留数据第一维，将块行维度与数据第二维合并、块列维度与数据第三维合并
2. 重塑数组，合并对应维度得到最终规模

代码示例：

# 假设chunk_grid是整理好的16×16分块网格，形状(16,16,16,128,16)
rearranged = chunk_grid.transpose(2, 0, 3, 1, 4)
full_dataset = rearranged.reshape(16, 16*128, 16*16)

如果分块以列表形式存储（比如长度256的列表chunks），可先将列表重塑为网格数组：

chunk_grid = np.array(chunks).reshape(16,16,16,128,16)

内容的提问来源于stack exchange，提问作者jchung