如何将嵌套Numpy数组转换为形状(1000,100,3)的三维数组？

哈哈，这种情况我之前也踩过坑——你手里的应该是一个dtype为object的一维Numpy数组，每个元素都是形状统一的(100,3)子数组，直接用普通的reshape肯定不管用，因为Numpy没法直接解析object数组的内部结构。给你两个简单靠谱的解决办法：

方法1：直接用np.array()转换 #

这是最省事的方式，只要所有子数组的形状完全一致，Numpy会自动帮你把它们拼接成一个连续的三维数组：

import numpy as np

# 先模拟你的原始数组
original_arr = np.empty(1000, dtype=object)
for i in range(1000):
    original_arr[i] = np.random.rand(100, 3)

# 核心转换步骤
final_arr = np.array(original_arr)
print(final_arr.shape)  # 输出：(1000, 100, 3)

方法2：用np.stack()拼接 #

如果你想更明确地指定拼接轴，np.stack()也是个好选择，效果和上面完全一样：

final_arr = np.stack(original_arr, axis=0)
print(final_arr.shape)  # 同样输出：(1000, 100, 3)

为什么普通reshape不行？ #

因为你的原始数组是object类型，它的内存是分散的——每个子数组都是独立的内存块，reshape只能处理内存连续的数组，所以没法直接调整形状。而上面两种方法会把这些分散的子数组重新组织成一块连续的内存，自然就得到你想要的三维形状了。

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