如何高效将两个NumPy数组合并为元素交替排列的新数组？

嘿，针对你处理超大NumPy数组的需求，完全不用写循环——NumPy原生就有好几种高效的方法，都是底层C实现，速度拉满还省内存，给你整理几个最实用的：

方法1：用stack快速堆叠展平 #

这是最简洁的写法，一行就能搞定：

import numpy as np

arr1 = np.array([0.0, 1.0, 11.0, 111.0])
arr2 = np.array([0.5, 1.5, 11.5, 111.5])

arr3 = np.stack([arr1, arr2], axis=1).ravel()

原理很直观：stack([arr1, arr2], axis=1)会把两个数组按列堆叠成一个(4,2)的二维数组，接着ravel()把它展平成一维，正好就是你要的交替排列结果。

方法2：预分配空间切片赋值（超大数组首选） #

如果你的数组真的特别大，担心中间数组占用额外内存，这种方法更友好——直接预分配结果数组的空间，再用切片批量赋值：

arr3 = np.empty((arr1.size + arr2.size,), dtype=arr1.dtype)
arr3[::2] = arr1  # 偶数索引位置放arr1的元素
arr3[1::2] = arr2 # 奇数索引位置放arr2的元素

这种方法完全没有中间数组的创建，内存开销最小，速度也非常快，适合处理GB级别的超大数组。

方法3：concatenate + reshape组合 #

和第一种方法思路类似，换一种写法实现：

arr3 = np.concatenate([arr1, arr2]).reshape(2, -1).T.ravel()

先把两个数组合并成一个长一维数组，再重塑成(2,4)的二维数组，转置后展平，同样能得到交替排列的结果。

这几种方法都比循环快几个数量级，完全适配你处理超大数组的需求，选哪个看你的代码风格和内存情况就行~

内容的提问来源于stack exchange，提问作者Commoner