Numpy中4D数组拼接与降维至3D的技术求助

嘿，作为Numpy新手碰到数组维度操作的困惑太正常啦，我来帮你把这两个需求理清楚，顺便看看你写的代码哪里需要调整～

1. 拼接第四维度的正确方式 #

你的需求是把两个形状为(2,4,130,10)的数组，在第四维度拼接成(2,4,130,20)。先说说你尝试的代码问题：

data_1= np.concatenate((data_1_1[...,np.newaxis],data_1_2[...,np.newaxis]),axis=2)

这段代码里，你给每个数组的最后加了一个新维度（变成(2,4,130,10,1)），然后指定axis=2拼接，最终得到的形状会是(2,4,260,10,1)，完全不符合你的预期。

正确的做法是直接拼接原数组，指定第四维度（axis=3），因为Numpy的axis从0开始计数，第四维度对应的axis是3：

import numpy as np

# 示例数据
data_1_1 = np.random.rand(2,4,130,10)
data_1_2 = np.random.rand(2,4,130,10)

# 正确拼接
data_1 = np.concatenate((data_1_1, data_1_2), axis=3)
print(data_1.shape)  # 输出 (2, 4, 130, 20)

2. 将4D数组降为3D数组 #

你的需求是把形状(3,5,130,20)的数组，合并前两个维度得到(15,130,20)。这里可以用np.reshape，利用-1让Numpy自动计算合并后的维度大小（3*5=15）：

# 示例数据
data_2_1 = np.random.rand(3,5,130,20)

# 降维操作
data_2 = data_2_1.reshape(-1, 130, 20)
print(data_2.shape)  # 输出 (15, 130, 20)

reshape会默认按行优先（C顺序）合并维度，刚好符合你把前两个维度3*5合并成15的需求。

总结一下 #

• 拼接维度时，不需要额外添加np.newaxis，直接指定目标维度对应的axis即可；
• 合并维度用reshape(-1, ...)是最简洁的方式，-1会自动帮你计算出正确的维度大小。

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