NumPy中如何高效将数组插入其他数组得到交错排列结果

针对等长数组按固定步长交错拼接的需求，不要使用循环调用np.insert逐次插入的实现，这类方案会产生大量临时数组，内存和计算开销随数组长度线性上涨，效率极低。
最优实现全程无Python层循环，仅做一次维度变换和内存重排，数组长度越长，性能优势越明显。

实现代码 #

首先导入依赖、定义测试数组：

import numpy as np

arr1 = np.array([0, 4, 8, 12, 16])
arr2 = np.array([1, 5, 9, 13, 17])
arr3 = np.array([2, 6, 10, 14, 18])
arr4 = np.array([3, 7, 11, 15, 19])

核心合并逻辑仅需1行：

result = np.column_stack((arr1, arr2, arr3, arr4)).ravel(order="F")

验证输出结果：

what_i_want = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
print(np.array_equal(result, what_i_want))  # 输出 True

实现原理 #

• np.column_stack会将输入的一维数组按列堆叠为形状为(n, k)的二维数组（n为单个数组长度，k为待合并数组个数），示例中堆叠后得到的二维数组形状为(5,4)，每一列对应一个原始输入数组。
• 调用ravel(order="F")时指定按Fortran（列优先）顺序展平数组：读取顺序为逐行读取所有列的元素，即先取第0行的4个元素（对应四个数组的第0位）、再取第1行的4个元素（对应四个数组的第1位），刚好得到要求的交错排列结果。
• 该方案无冗余内存拷贝，所有计算都在C层完成，是NumPy中实现这类需求性能最高的方式。如果需要调整交错顺序，只需要调整传入column_stack的数组排列顺序即可。

性能避坑 #

不要使用如下逐次插入的实现：

# 反面示例，性能极差，禁止在大数组场景使用
res = arr1
for i, arr in enumerate([arr2, arr3, arr4], start=1):
    for idx in range(len(arr)):
        res = np.insert(res, idx*4 + i, arr[idx])

这类实现每调用一次np.insert就会生成一个全新的完整数组，时间复杂度为O(k*n²)，数组长度超过1万时性能会比最优方案低数百倍。

内容的提问来源于stack exchange，提问作者Ari Frid