Python NumPy批量将三维数组各子数组重塑为指定形状3D数组

直接对原数组调用reshape即可，无需遍历逐个子数组操作，NumPy会自动保留第一维的分组逻辑，仅拆分对应维度：

• 原数组a形状为(63, 16, 3)，总元素数为63*16*3=3024
• 目标数组b要求包含63个形状为(4,4,3)的子数组，对应总形状为(63,4,4,3)，总元素数63*4*4*3=3024，元素数量完全匹配
• 该操作默认使用行优先（C order）的元素排布规则，和单独对a[0]做reshape的元素顺序完全一致，不会出现元素错位问题

实现代码 #

import numpy as np
a = np.random.rand(63, 16, 3)
# 方式1：明确指定所有维度长度
b = a.reshape(63, 4, 4, 3)

# 方式2：用-1自动推导第一维长度，适配第一维长度变化的场景，通用性更强
# b = a.reshape(-1, 4, 4, 3)

结果验证 #

运行以下代码可以确认结果符合预期：

# 打印b的整体形状
print(b.shape) 
# 输出: (63, 4, 4, 3)

# 校验第0个子数组和手动重塑的结果完全一致
print(np.array_equal(b[0], a[0].reshape(4,4,3)))
# 输出: True

注意：如果重塑场景需要调整维度顺序、或者按列优先排布元素，才需要额外搭配transpose等操作，当前需求下直接调用reshape即可满足要求。

内容的提问来源于stack exchange，提问作者Starlord22