无需循环实现Numpy三维数组各像素时间序列指定位置插入值

现有两种完全不用循环的向量化实现方案，性能远高于嵌套循环，同时可以规避你原有代码的维度初始化错误：

方案1：直接使用np.insert向量化接口 #

np.insert原生支持沿指定轴插入和剩余维度匹配的高维数组，无需逐像素循环操作：

import numpy as np
arr_new = np.insert(arr_old, 15, arr_old[15], axis=0)

方案2：手动切片拼接（性能更优） #

如果追求极致运行效率，可以直接通过数组拼接实现，避免np.insert内部的额外校验开销：
原理是将原数组前16个时间步（索引0~15）和从索引15开始的所有时间步拼接，刚好会在索引15位置重复一次原有值：

arr_new = np.concatenate([arr_old[:16], arr_old[15:]], axis=0)

正确性验证 #

你可以通过以下代码验证结果符合预期：

# 验证维度正确
print(arr_new.shape)  # 输出：(366, 180, 360)
# 验证插入位置数值正确
print(np.all(arr_new[15] == arr_old[15]))  # 输出：True
print(np.all(arr_new[16] == arr_old[15]))  # 输出：True
# 验证插入位置之后的数值无变化
print(np.all(arr_new[17:] == arr_old[16:]))  # 输出：True

内容的提问来源于stack exchange，提问作者hlee