如何将指定2D NumPy数组重塑为目标3D NumPy数组？

这其实是个维度重组的问题，核心是理清原数组和目标数组的维度对应关系。我们可以通过转置加重塑的组合操作一步到位实现需求：

原数组的形状是 (3, 4)，目标数组是 (2, 2, 3)。先把原数组转置（行变列），得到形状为 (4, 3) 的数组——此时每一行正好是目标数组里需要的子数组（比如 [0,4,8]、[1,5,9] 这些），接着把这个转置后的数组重塑成 (2, 2, 3) 就完美匹配目标结构了。

代码示例 #

import numpy as np

# 原2D数组
original_arr = np.array([[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]])

# 转置后重塑，得到目标3D数组
target_arr = original_arr.T.reshape(2, 2, 3)

print(target_arr)

运行后输出的结果就是你想要的：

array([[[ 0,  4,  8],
        [ 1,  5,  9]],

       [[ 2,  6, 10],
        [ 3,  7, 11]]])

另一种等价写法（用维度转置） #

如果你更习惯用维度调整的思路，也可以先把原数组重塑为 (3, 2, 2)，再调整维度顺序：

target_arr = original_arr.reshape(3, 2, 2).transpose(2, 1, 0)

这个操作的逻辑是：先把原数组的4列拆成2组（每组2列），得到形状 (3,2,2)，然后通过transpose(2,1,0)把维度顺序从「行、组、组内列」改成「组、组内列、行」，最终得到目标形状。

两种方法都能达到目的，第一种相对更直观易懂~

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