基于NumPy的深度堆叠：数组重塑维度匹配问题问询

我明白你想要的效果：把原(2,9)数组的每一行单独转成3x3的二维数组，再把这两个3x3数组作为第三维度的两个“切片”，最终得到形状为(3,3,2)的数组。直接调用reshape((3,3,2))达不到这个目的，因为NumPy默认的重塑是按**行优先（C顺序）**把整个数组展平后填充，不会单独处理每一行。

正确的实现方法 #

我们可以分两步完成：

1. 先把原数组的每一行重塑为3x3，得到形状为(2,3,3)的数组；
2. 调整维度顺序，把原来的第一个维度（对应原数组的两行）移动到最后一个维度，最终得到(3,3,2)的形状。

代码示例

import numpy as np

# 你的输入数组
arr = np.array([[2., 2., 1., 0., 8., 5., 2., 4., 5.],
                [4., 7., 5., 6., 4., 3., -3., 2., 1.]])

# 第一步：将每一行转为3x3，得到(2,3,3)的数组
reshaped_rows = arr.reshape(2, 3, 3)

# 第二步：调整维度顺序，转成(3,3,2)
final_arr = reshaped_rows.transpose(1, 2, 0)

# 或者用更直观的moveaxis方法
# final_arr = np.moveaxis(reshaped_rows, 0, -1)

验证结果 #

现在final_arr的形状是(3,3,2)，其中：

• final_arr[:, :, 0]就是原第一行转成的3x3数组：

  [[2. 2. 1.]
   [0. 8. 5.]
   [2. 4. 5.]]
  

• final_arr[:, :, 1]就是原第二行转成的3x3数组：

  [[ 4.  7.  5.]
   [ 6.  4.  3.]
   [-3.  2.  1.]]
  

完全符合你期望的索引行为。

为什么直接reshape不行？ #

NumPy默认的reshape会把整个数组展平成一维序列（[2.,2.,1.,0.,8.,5.,2.,4.,5.,4.,7.,5.,6.,4.,3.,-3.,2.,1.]），然后按目标形状逐元素填充，这会导致原数组的两行元素交叉分布在第三维度中，不符合你“每行单独转3x3”的需求。

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