如何不使用循环将numpy N维数组转换为(N-1)维数组组成的列表

你给出的循环逻辑本质是在形状为(7, 3, 6)的原数组的1号轴（从0开始计数）位置插入一个长度为1的新维度，直接使用numpy内置的维度操作即可实现，不需要写Python层面的循环，三种常用实现方式如下：

• 方法1：使用np.expand_dims（可读性最高，推荐使用）
  直接在指定轴位置插入新维度，代码如下：

  import numpy as np
  # 构造原数组
  arr3d = np.random.randint(1, 100, size=7 * 3 * 6).reshape((7, 3, 6))
  # 插入新维度得到目标结果
  arr_what_i_want = np.expand_dims(arr3d, axis=1)
  

  此时得到的arr_what_i_want形状为(7, 1, 3, 6)，将你循环得到的列表转为numpy数组后二者完全相等。

• 方法2：使用np.newaxis索引拓展
  通过numpy的索引语法直接新增维度：

  arr_what_i_want = arr3d[:, np.newaxis, ...]
  

• 方法3：使用reshape直接调整形状
  因为数组总元素数不变，直接指定新形状即可：

  arr_what_i_want = arr3d.reshape(7, 1, 3, 6)
  

你可以通过以下代码验证结果和原循环版本完全一致：

# 原循环版本结果
arr_loop = []
for i in range(7):
    arr2d = arr3d[i]
    arr_loop.append([arr2d])
# 转为numpy数组后对比
print(np.array_equal(np.array(arr_loop), arr_what_i_want)) # 输出为True

如果你需要和原循环完全一致的嵌套列表结构，只需要在上述结果后调用.tolist()方法即可，也不需要额外写循环。

内容的提问来源于stack exchange，提问作者guzuomuse