如何将多个numpy矩阵动态追加合并为形状为(3,2,4)的多维数组

numpy数组为固定大小的内存结构，频繁拼接会触发全量内存拷贝，性能较低，可根据使用场景选择以下实现方式：

方式1：直接使用np.concatenate实现动态追加 #

适用于追加操作较少的场景，示例代码如下：

import numpy as np

# 初始三个矩阵
testMat1 = np.array([[1,2,3,4],[4,5,6,7]])
testMat2 = np.array([[7,8,9,10],[10,11,12,13]])
testMat3 = np.array([[2,4,6,8],[3,5,7,9]])

# 初始合并为形状(3, 2, 4)的数组
combined_arr = np.stack([testMat1, testMat2, testMat3], axis=0)

# 追加新的形状为(2,4)的矩阵
new_mat = np.array([[1,3,5,7],[2,4,6,8]])
# 先给新矩阵新增第0维度，变为(1,2,4)后在第0维拼接
combined_arr = np.concatenate([combined_arr, new_mat[np.newaxis, :]], axis=0)

# 验证形状
print(combined_arr.shape) # 输出 (4, 2, 4)

方式2：列表缓存+一次性转换（更推荐） #

如果需要频繁追加矩阵，优先用普通Python列表缓存所有矩阵，全部追加完成后一次性转换为numpy数组，避免多次内存拷贝，性能提升明显：

import numpy as np

testMat1 = np.array([[1,2,3,4],[4,5,6,7]])
testMat2 = np.array([[7,8,9,10],[10,11,12,13]])
testMat3 = np.array([[2,4,6,8],[3,5,7,9]])

# 用列表存储所有矩阵
mat_cache = [testMat1, testMat2, testMat3]

# 后续追加新矩阵直接操作列表
new_mat = np.array([[1,3,5,7],[2,4,6,8]])
mat_cache.append(new_mat)

# 全部数据准备完成后一次性转换为目标数组
combined_arr = np.array(mat_cache)
print(combined_arr.shape) # 输出 (4, 2, 4)

注意：不推荐使用np.append，它默认会将输入数组扁平化，即使指定axis参数，本质也是对np.concatenate的封装，灵活性和可读性都不如直接使用np.concatenate。

内容的提问来源于stack exchange，提问作者John S