如何沿NumPy数组指定轴填充值创建目标多维数组？

numpy.full() 原生未提供axis参数，无法直接实现沿指定轴填充序列的需求，但可以借助NumPy的广播机制，用极低的性能开销实现目标效果。

numpy.full()的默认行为 #

numpy.full()的核心逻辑是将传入的填充值通过广播规则匹配到目标数组形状，本身没有沿指定轴排布填充值的设计，基础用法效果如下：

>>> np.full((2,2), [1,2])
array([[1,2],
       [1,2]])

传入不存在的axis参数时函数会直接抛出参数错误，你给出的形状为(10, 48, 271, 397)的示例代码无法正常运行。

最优替代实现方案 #

针对沿axis=0填充长度为10的序列、其余维度重复对应值的需求，最高效的实现思路是先调整填充值的维度，让其非单例维度和目标轴对齐，再通过广播生成目标数组，不需要提前分配全量内存做逐值复制，性能远高于逐元素遍历、重复拼接类的写法。

方案1：维度调整+广播（推荐） #

先把一维的填充值序列调整为(10, 1, 1, 1)的形状，让第一个维度和目标数组的axis=0长度匹配，剩余三个维度设为1触发广播规则，即可快速得到目标数组：

import numpy as np

values = [1,2,3,4,5,6,7,8,9,10]
target_shape = (10, 48, 271, 397)

# 生成零开销只读视图，不需要修改数组时直接用即可
arr_view = np.broadcast_to(np.array(values).reshape(-1, 1, 1, 1), target_shape)

# 需要可写数组时加.copy()即可，内存占用和np.full生成的同形状数组一致
arr = arr_view.copy()

# 更直观的等价写法
arr = np.ones(target_shape, dtype=np.int32) * np.array(values).reshape(-1, 1, 1, 1)

生成的数组完全符合预期：arr[i]位置的所有元素值均为values[i]，即1到10沿第一维度依次排布，剩余维度全部填充对应位置的值。

注：你需要的目标数组如果用int32/float32类型存储，全量大小接近2GB，广播视图方案不需要提前分配这部分内存，大数组场景下优势非常明显。

方案2：np.repeat维度复制 #

小数据量场景下也可以用np.repeat直接复制值后重构形状，逻辑简单但会直接生成全量数据副本，大数组场景下内存和时间开销更高：

arr = np.repeat(np.array(values), np.prod(target_shape[1:])).reshape(target_shape)

效果验证 #

用你提到的2维测试用例可以验证逻辑正确性：

>>> values = [1,2]
>>> target_shape = (2,2)
>>> np.broadcast_to(np.array(values).reshape(-1, 1), target_shape)
array([[1, 1],
       [2, 2]])

输出和你预期的沿axis=0填充的效果完全一致。

内容的提问来源于stack exchange，提问作者Bob