如何将shape为(5,4)的numpy矩阵扩展为shape为(5,4,n)（n≠1）的矩阵

你可以通过沿新增的最后一个维度做重复操作实现，以下是几种常用方案：

• 方案1：np.repeat（最常用，生成独立可修改的数组）
  直接对新增维度做元素级重复，修改生成后的数组不会影响原数组，也不会出现重复值联动的问题：

import numpy as np

# 原始矩阵
matrix1 = np.array([
    [80, 80, 80, 80],
    [0, 50, 0, 0],
    [0, 0, 50, 0],
    [0, 0, 0, 50],
    [30, 30, 30, 30]
])
n = 6 # 替换为你需要的任意正整数
matrix_n = np.repeat(matrix1[..., np.newaxis], repeats=n, axis=-1)
print(matrix_n.shape) # 输出 (5, 4, 6)

• 方案2：np.tile（适合数组拼接场景）
  对整个数组按维度倍数拼接，当前最后一维长度为1时，效果和np.repeat完全一致：

n = 4
matrix_n = np.tile(matrix1[..., np.newaxis], reps=(1, 1, n))
print(matrix_n.shape) # 输出 (5, 4, 4)

• 方案3：np.broadcast_to（内存友好的只读方案）
  不会实际复制数据，仅生成逻辑上符合目标shape的视图，内存占用几乎不随n增大而增加，但修改视图会导致所有重复位置同步变更，仅适合只读场景：

n = 20
matrix_n = np.broadcast_to(matrix1[..., np.newaxis], shape=(matrix1.shape[0], matrix1.shape[1], n))
print(matrix_n.shape) # 输出 (5, 4, 20)

内容的提问来源于stack exchange，提问作者KansaiRobot