如何对NumPy矩阵数组中的每个矩阵应用np.hstack函数？

嘿，我完全get你的需求——把三维数组里的每个二维子矩阵的行横向拼接起来，得到一个2行6列的结果对吧？其实不用纠结np.apply_along_axis，numpy里有更简单直接的办法，给你两种方案：

方案一：列表推导式 + np.hstack #

这个方法直观易懂，适合新手理解：

import numpy as np

matrices_w = np.asarray([[[1,2,3],[4,5,6]],[[9,8,7],[6,5,4]]])
# 遍历每个子矩阵，对每个矩阵执行横向拼接
result = np.array([np.hstack(mat) for mat in matrices_w])
print(result)
# 输出：
# array([[1, 2, 3, 4, 5, 6],
#        [9, 8, 7, 6, 5, 4]])

原理很简单：我们遍历三维数组的第一个维度（也就是每个子矩阵），对每个2x3的子矩阵用np.hstack把两行拼合成一行，最后再用np.array把这些拼接后的行组合成最终的二维数组。

方案二：用reshape直接调整维度（更高效） #

如果你的数据量比较大，推荐用这个方法，因为它是numpy底层的维度变换，没有循环开销：

import numpy as np

matrices_w = np.asarray([[[1,2,3],[4,5,6]],[[9,8,7],[6,5,4]]])
# 把每个子矩阵的元素摊平成一行，-1让numpy自动计算列数
result = matrices_w.reshape(matrices_w.shape[0], -1)
print(result)

这里matrices_w.shape是(2,2,3)，reshape(2, -1)会自动把后面两个维度（2和3）合并成2*3=6，直接得到(2,6)的数组，效果和hstack完全一致，但速度快很多。

至于你之前用np.apply_along_axis没成功，是因为这个函数会沿着指定轴把元素展平后再传进函数，不太适配这种“对每个子矩阵整体操作”的场景，所以上面两种方法更合适~

内容的提问来源于stack exchange，提问作者St123