如何用Numpy快速创建指定维度的目标数组？

我明白你想要的效果——把两个同形状的NumPy数组按每个位置的元素配对，生成一个最后一维为2的新数组，而且因为数据量极大，必须用矢量化操作避免循环。

核心解决方案：使用np.stack或np.dstack #

你之前用np.array([x,y])得到的结果不符合预期，是因为它把x和y作为第一个维度的两个元素堆叠了，而不是在每个元素位置配对。下面是两种高效的矢量化方法：

方法1：np.stack指定合并轴

np.stack可以灵活指定在哪个维度合并数组，用axis=-1（或对应维度的索引，比如2维输入用axis=2）就能在最后一维完成元素配对：

import numpy as np

x = np.arange(4).reshape(2,2)
y = np.arange(-3,0).reshape(2,2)

new_array = np.stack([x, y], axis=-1)
print(new_array)

输出结果完全符合你的期望：

array([[[ 0, -3],
        [ 1, -2]],
       [[ 2, -1],
        [ 3,  0]]])

方法2：np.dstack简化操作

对于2维输入，np.dstack专门用于在"深度"维度（也就是最后一维）合并数组，效果和上面的np.stack完全一致，写法更简洁：

new_array = np.dstack([x, y])

为什么你的初始方法不对？ #

当你执行np.array([x,y])时，生成的数组形状是(2,2,2)，但它的结构是：

• 第一个维度的第0个元素是完整的x数组
• 第一个维度的第1个元素是完整的y数组
  这和你需要的**每个(i,j)位置存储[x[i,j], y[i,j]]**的结构完全相反，而stack/dstack则是在每个元素位置完成合并，正好匹配需求。

这两种方法都是NumPy原生的矢量化操作，处理大规模数据时效率极高，完全不需要循环遍历。

内容的提问来源于stack exchange，提问作者jkjk