如何使用numpy内置方法实现多维数组内层拼接与维度变换

1. 基础场景适配方法 #

针对形状为(2,2,2)的三维数组转(2,4)数组的需求，可通过维度交换+维度合并的通用组合实现，不需要手动拼接数组：

import numpy as np
# 输入示例数组
arr = np.array([[[1,2],[3,4]], [[5,6],[7,8]]])
# 通用转换逻辑：先交换维度把相同行的数据放到连续位置，再合并维度
res = arr.transpose(1, 0, 2).reshape(arr.shape[1], -1)

该方法的核心是transpose用于调整维度顺序，reshape用于合并/拆分维度，全程是视图操作不会额外复制数据，性能远高于手动concatenate拼接。

2. 实际业务场景适配方法 #

针对形状为(6,3,2,3)转(3,3,2,2,3)的需求，按照规则拆分首维度后重排即可，通用实现代码如下：

# 输入数组a的形状为(6,3,2,3)
# 第一步：把首维度的6拆分为(3,2)，对应3组、每组2个块
res = a.reshape(3, 2, 3, 2, 3)
# 第二步：重排维度，把组内的块维度放到对应目标位置
res = res.transpose(0, 2, 1, 3, 4)

转换后的数组形状直接为(3,3,2,2,3)，完全匹配你给出的取值规则：

• res[0,0,0,:,:] = 原数组a[0,0,:,:]
• res[0,0,1,:,:] = 原数组a[3,0,:,:]
• 其余位置取值均符合规则要求

通用场景适配逻辑 #

所有同类维度调整需求都可以遵循固定逻辑实现：

1. 先明确原数组各维度的含义、以及目标数组各维度的对应关系
2. 用reshape把需要拆分的维度拆为多个子维度
3. 用transpose按照目标维度顺序重排所有维度
4. 如需合并维度可再次调用reshape完成转换

内容的提问来源于stack exchange，提问作者CoolGas