将两个NumPy矩阵合并为逐元素元组的最快实现方法

嘿，这个需求我之前刚好处理过！在Python 2里要高效实现两个同形状NumPy数组的逐元素元组合并，下面给你推荐几个最快的方案，按效率从高到低排序：

1. 利用NumPy结构化数组（最快） #

这个方法借助NumPy底层的结构化数组实现，完全避免Python层面的循环，速度最优：

import numpy as np

# 示例数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 合并为结构化数组
structured_arr = np.core.records.fromarrays([a, b], names='val1,val2')
# 转换为元组类型的object数组
result = structured_arr.view('O').reshape(a.shape)

执行后result就是你想要的逐元素元组矩阵：

array([[(1, 5), (2, 6)],
       [(3, 7), (4, 8)]], dtype=object)

2. Stack+转列表（代码更直观） #

如果追求代码可读性，这个方法也很高效，适合中小型数组：

import numpy as np

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

# 沿最后一维堆叠数组
stacked = np.stack([a, b], axis=-1)
# 转成列表再转回object类型数组
result = np.array(stacked.tolist(), dtype=object)

这个方法的本质是先把两个数组堆叠成(m,n,2)的形状，再通过tolist()自动把每个子数组转成元组，最后转回NumPy数组。

❌ 不推荐：Python嵌套循环 #

千万不要用嵌套循环逐个赋值，这种方法在数组规模稍大时速度会慢到离谱，比如：

# 效率极低，仅作反面示例
result = np.empty(a.shape, dtype=object)
for i in range(a.shape[0]):
    for j in range(a.shape[1]):
        result[i,j] = (a[i,j], b[i,j])

总结一下：如果追求极致速度，优先用结构化数组的方法；如果想代码更易懂，选Stack+转列表的方案，两者在Python 2下都能完美运行。

内容的提问来源于stack exchange，提问作者ru111