Python中Numpy数组append后形状不符（期望(num,2)）的修复方法

你的代码返回数组形状不符合预期，核心原因是初始化的空数组维度错误，且np.append默认会扁平化数组。以下是两种修复方案：

方案1：修正循环追加的维度处理 #

import numpy as np

def XY(a):
    # 初始化二维空数组，匹配输入数组的数据类型
    XY = np.empty((0, 2), dtype=a.dtype)
    for i in a:
        if (i[1] > 300) and (i[1] < 800) and (i[0] < 375) and (i[0] > 310):
            # 指定axis=0，在行维度追加元素，保持二维结构
            XY = np.append(XY, [i], axis=0)  
    return XY

a = np.array([[324, 664], [324, 665], [324, 666], [324, 667], [324, 668], [324, 669], [324, 670], [324, 671], [325, 664], [325, 665], [325, 666], [325, 667], [325, 668], [325, 669], [325, 670], [325, 671], [326, 664], [326, 665], [326, 666], [326, 667], [326, 668], [326, 669], [326, 670], [326, 671], [327, 664], [327, 665], [327, 666], [327, 667]])

# 测试
result = XY(a)
print(result.shape)  # 输出 (28, 2)

方案2：使用布尔索引（推荐，性能更优） #

NumPy的向量化操作比循环高效得多，直接通过布尔掩码筛选符合条件的行：

import numpy as np

def XY(a):
    # 生成布尔掩码，标记符合条件的行
    mask = (a[:, 1] > 300) & (a[:, 1] < 800) & (a[:, 0] < 375) & (a[:, 0] > 310)
    # 直接返回筛选后的二维数组
    return a[mask]

a = np.array([[324, 664], [324, 665], [324, 666], [324, 667], [324, 668], [324, 669], [324, 670], [324, 671], [325, 664], [325, 665], [325, 666], [325, 667], [325, 668], [325, 669], [325, 670], [325, 671], [326, 664], [326, 665], [326, 666], [326, 667], [326, 668], [326, 669], [326, 670], [326, 671], [327, 664], [327, 665], [327, 666], [327, 667]])

# 测试
result = XY(a)
print(result.shape)  # 输出 (28, 2)

关键说明 #

• 方案1中，通过np.empty((0, 2), dtype=a.dtype)初始化二维空数组，并在np.append时指定axis=0，确保新元素在行维度追加，保留(N, 2)的形状。
• 方案2利用NumPy向量化特性生成掩码，直接筛选行，代码更简洁，且避免了循环追加的性能损耗，适合处理大规模数组。

内容的提问来源于stack exchange，提问作者user19593840