如何用NumPy高效移除深度嵌套数组的冗余层级？

先明确你的需求：把一个深度嵌套的数组（示例如下）

array = [
            [
                [
                    [ "data . . . "],
                ]
            ],
            [
                [
                    ["more data . . ."],
                ]
            ]
    ]

转换成层级更浅的结构：

array = [
            [ "data . . . "],
            ["more data . . ."]
    ]

下面分两种场景给出实现方法：

如果你用的是Python嵌套列表 #

你已经写出的列表推导式就很高效：

a_flat = [ row[0][0] for row in array ]

要是想更简洁，也可以借助operator.itemgetter：

from operator import itemgetter
get_item = itemgetter(0, 0)
a_flat = [get_item(row) for row in array]

如果你用的是真正的NumPy数组 #

假设你的数据已经是numpy.ndarray类型（比如用np.array()把上面的列表转成NumPy数组），可以用这些矢量化的高效方法：

方法1：直接索引切片 #

利用NumPy的多维索引特性，直接定位到需要的层级：

import numpy as np
arr = np.array(array)
a_flat = arr[:, 0, 0]

这个操作是NumPy原生矢量化实现，数据量越大，比列表推导式的效率优势越明显。

方法2：用squeeze()移除单维度 #

如果要去掉的层级都是长度为1的维度，可以指定维度移除：

# 先看原数组形状：arr.shape 输出 (2, 1, 1, 1)
a_flat = arr.squeeze(axis=(1, 2))
# 处理后形状为 (2, 1)，和目标结构一致

方法3：用reshape()重塑形状 #

如果明确知道目标数组的形状，直接重塑即可：

a_flat = arr.reshape(2, 1)

内容的提问来源于stack exchange，提问作者Guy Eric Matz