不同形状矩阵拼接补零实现：如何将a、b、c拼接为(2,4,3)规格的矩阵

我们可以用numpy的维度扩展和填充功能完成需求，具体步骤如下：

步骤1：导入依赖并定义输入矩阵 #

import numpy as np

a = np.array([[1, 2, 3, 4]])
b = np.array([[1, 2, 3, 4], [1, 2, 3, 4]])
c = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]]])

步骤2：统一矩阵维度为3维 #

三个矩阵当前维度分别是2、2、3，我们先把低维矩阵在末尾扩展维度，统一为3维：

def to_3d(arr):
    while arr.ndim < 3:
        arr = np.expand_dims(arr, axis=-1)
    return arr

a_3d = to_3d(a) # 转换后shape为 (1, 4, 1)
b_3d = to_3d(b) # 转换后shape为 (2, 4, 1)
c_3d = to_3d(c) # 本身就是3维，shape为 (1, 3, 3)

步骤3：计算目标填充维度 #

按需求取各维度的最大值作为目标shape：

target_shape = (
    max(a_3d.shape[0], b_3d.shape[0], c_3d.shape[0]),
    max(a_3d.shape[1], b_3d.shape[1], c_3d.shape[1]),
    max(a_3d.shape[2], b_3d.shape[2], c_3d.shape[2]),
)
# 计算得到目标shape为 (2, 4, 3)，和预期一致

步骤4：对所有矩阵补0对齐到目标shape #

我们默认在每个维度的末尾填充0，如果你有前后填充的需求可以自行调整pad_width的参数：

def pad_arr(arr, target_shape):
    pad_width = []
    for dim_idx in range(3):
        diff = target_shape[dim_idx] - arr.shape[dim_idx]
        # 元组第一个元素是维度前填充的长度，第二个是维度后填充的长度
        pad_width.append((0, diff))
    return np.pad(arr, pad_width=pad_width, mode='constant', constant_values=0)

a_padded = pad_arr(a_3d, target_shape)
b_padded = pad_arr(b_3d, target_shape)
c_padded = pad_arr(c_3d, target_shape)

步骤5：合并矩阵（按需选择） #

如果你需要把三个矩阵拼接为单个矩阵，可以根据业务场景选择对应的合并方式：

• 如果需要新增维度堆叠三个矩阵，输出shape为 (3, 2, 4, 3)：

  stacked = np.stack([a_padded, b_padded, c_padded], axis=0)
  

• 如果需要沿最后一个维度拼接，输出shape为 (2, 4, 9)：

  concatenated = np.concatenate([a_padded, b_padded, c_padded], axis=-1)
  

• 如果需要按位置合并为单个(2,4,3)的矩阵，比如直接相加：

  merged = a_padded + b_padded + c_padded
  

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