不使用np.concatenate/np.append将3D NumPy数组转2D及绘图问题问询

高效数组转换方案 #

你需要的转换可以通过transpose+reshape的组合实现，该方案属于零拷贝操作，仅修改数组的元数据（形状、轴步长），不会复制底层数据，性能远高于np.concatenate/np.append，哪怕是TB级的数组也能瞬间完成。
你的原始3D数组形状为(N, H, W)（示例中N=4, H=3, W=5），转换为(H, N*W)的目标2D数组的代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 原始3D数组示例
x = np.array([[[8, 7, 1, 0, 3],
              [2, 8, 5, 5, 2],
              [1, 1, 1, 1, 1]],

             [[8, 4, 1, 0, 0],
              [6, 8, 5, 5, 2],
              [1, 1, 1, 1, 1]],

             [[2, 4, 0, 2, 3],
              [2, 5, 5, 3, 2],
              [1, 1, 1, 1, 1]],

             [[4, 7, 2, 8, 0],
              [1, 3, 6, 5, 2],
              [1, 1, 1, 1, 1]]])

# 仅需这一行完成转换，无额外内存开销
x_2d = x.transpose(1, 0, 2).reshape(x.shape[1], -1)

转换逻辑说明：

• transpose(1,0,2)将原数组的轴顺序从[块序号, 行号, 行内元素]调整为[行号, 块序号, 行内元素]，形状变为(3,4,5)
• reshape(x.shape[1], -1)将后两个维度展开，按顺序拼接同一行号下所有块的行数据，最终得到(3, 20)的目标数组

绘图方案说明 #

Matplotlib的imshow仅支持2D单通道数组、3D RGB/RGBA数组作为输入，你需要的横向拼接展示效果无法直接传入原始3D数组实现。但上述transpose+reshape的转换几乎没有性能和内存损耗，实际使用时可以直接在imshow中 inline 调用，和直接使用原始数组的体验没有区别：

plt.imshow(x.transpose(1, 0, 2).reshape(x.shape[1], -1))
plt.show()

内容的提问来源于stack exchange，提问作者mehmet_kacmaz_03