如何重塑NumPy数组：将(1000,80)转换为(100,40,2)格式

针对你的需求，我们可以用NumPy的数组堆叠或维度转换来高效实现，完全不用手动循环处理每一天。

先明确你的数据结构：

• 原数组形状为(1000, 80)，每一行里：前40列是特征1的40天数据，后40列是特征2的同期40天数据
• 目标形状是(1000, 40, 2)，第二维度对应40天，第三维度是当天的两个特征值（特征1+特征2）

最优实现方法 #

最直观的方式是把原数组拆成特征1和特征2的两个子数组，然后在最后一个维度上堆叠，直接得到目标结构：

import numpy as np

# 模拟你的原始数据（1000条观测，80列）
data = np.random.rand(1000, 80)

# 拆分特征1（前40列）和特征2（后40列）
feat1 = data[:, :40]
feat2 = data[:, 40:]

# 在最后一个维度堆叠，得到(1000, 40, 2)的数组
result = np.stack([feat1, feat2], axis=2)

用你的示例数据验证 #

拿你给出的小例子测试这个方法：

data = np.array([[11, 22, 33, 44], [55, 66, 77 ,88], [99, 100, 101, 102]])
feat1 = data[:, :2]  # 特征1的2天数据
feat2 = data[:, 2:]  # 特征2的2天数据
result = np.stack([feat1, feat2], axis=2)

print(result)

输出完全符合你的期望：

array([[[ 11,  33],
        [ 22,  44]],

       [[ 55,  77],
        [ 66,  88]],

       [[ 99, 101],
        [100, 102]]])

为什么你的第二种方法无效？ #

你尝试的np.c_[data[:, i::2] for i in range(2)].reshape((3, 2, 2))不能得到正确结果，是因为np.c_会把两个数组按列拼接成(3,4)的数组，再重塑时维度顺序不符合你要的“天-特征”结构。而np.stack能直接在指定维度合并，完美保留我们需要的层级关系。

另一种等价方法（reshape+transpose） #

如果你习惯用维度转换，也可以这样写：

# 先把80列拆成2组（每组40天），再交换最后两个维度
result = data.reshape(1000, 2, 40).transpose(0, 2, 1)

这个逻辑是先将特征分组，再把“特征组”和“天数”的维度互换，同样能得到目标形状。

内容的提问来源于stack exchange，提问作者Stergios