如何将多个CSV文件生成的2D数组高效合并为3D NumPy数组？

算力阿峰

2026-5-12

解决方法：用NumPy的堆叠函数实现更Pythonic的三维数组合并

嘿，这个需求我太熟悉了！你遇到的问题本质是np.concatenate和np.stack（或直接用np.array()）的区别——前者是在已有轴上拼接，后者会新增一个维度来堆叠数组，正好匹配你要的三维结构。

方案1：用`np.stack()`直接堆叠生成器中的数组

np.stack()专门用于将多个形状相同的数组沿新轴堆叠，完全符合你的需求。因为你的生成器dtx每个元素都是3×5的数组，直接传入np.stack()就能得到N×3×5的三维数组（N是文件数量）：

import numpy as np
import pandas as pd

# 你的原有生成器
dtx = (pd.read_csv(f).values for f in get_filelist(datadirectory))

# 直接堆叠成三维数组
final_array = np.stack(dtx)

方案2：用`np.array()`转换生成器列表

另一种更简洁的写法是把生成器转成列表后直接传入np.array()，NumPy会自动识别数组的形状并堆叠成三维结构：

final_array = np.array(list(dtx))

为什么`np.concatenate`达不到预期？

你之前尝试的np.concatenate([tf for tf in dtx])会把所有3×5的数组沿第一个轴（axis=0）拼接，最终得到3N×5的二维数组，而不是三维。这是因为concatenate不会新增维度，只会在已有轴上扩展——如果想要用它实现三维，你需要先给每个数组增加一个维度（比如用tf[np.newaxis, ...]），再拼接，但这显然不如上面两种方案简洁。