Python实现二维数组叠加为三维数组的三种方法
本文介绍在Python中如何将多个二维数组叠加为三维数组。通过np.array()直接构造、利用np.append配合reshape重组、以及转换为list后拼接再转回array三种方法，详细解析了各方案的代码实现、适用场景及注意事项，并对比了array与list转换的差异。
问题背景与需求
在程序开发中，常遇到循环生成二维数组的需求，若需将这些每次循环产生的二维数组合并为一个统一的三维数组，该如何操作？假设现有如下两个矩阵示例：
目标是将它们组合成如下形式的结构：
这种组合方式的一个显著优势在于：它保持了原有二维数组的结构完整性，便于后续数据的提取。例如，若要从合并后的三维数组C中提取出原始的A矩阵，只需执行A=C[0,:]即可。
经查阅资料发现，Python标准库numpy中并未直接提供在三维数组中动态添加二维数组的专用函数（若有了解该函数的读者，欢迎在评论区补充）。
解决方案概述
为此，这里提供三种“曲线救国”的替代解决方案：
方法一：直接构造
方法一：
对于两个或多个维度相同的矩阵，可以直接利用np.array()重新构造一个新的数组，以此变相实现维度的扩展。具体示例如下：
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.array([[2,2,3],[4,5,6]])
c = np.array([[3,2,3],[4,5,6]])
print('矩阵a：\n',a)
print('维数：',a.shape)
com = np.array([a,b,c])
print('合并矩阵：\n',com)
print('维数：',com.shape)
运行上述代码后，输出结果如下：
矩阵a：
[[1 2 3]
[4 5 6]]
维数： (2, 3)
合并矩阵：
[[[1 2 3]
[4 5 6]]
[[2 2 3]
[4 5 6]]
[[3 2 3]
[4 5 6]]]
维数： (3, 2, 3)
方法二：拼接与重组
方法二：
然而，如果涉及的数组维度不一致，使用方法一可能会得到如下结果：
import numpy as np
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
com = np.array([aa,a])
print('合并矩阵：\n',com)
print('维数：',com.shape)
其输出结果显示：
合并矩阵：
[array([[[1, 2, 3],
[4, 5, 6]],
[[2, 2, 3],
[4, 5, 6]],
[[3, 2, 3],
[4, 5, 6]]])
array([[4, 2, 3],
[4, 5, 6]])]
维数： (2,)
由此可见，输出的维度不符合预期，上述方法在此场景下不再适用。
此时，我们需要利用np.append和array.reshape()函数对数组进行拼接后再重新组合，具体实现代码如下：
import numpy as np
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
data = np.append(aa,a)#先拼接成一个行向量
print(data)
dim = aa.shape#获取原矩阵的维数
print('原矩阵维数：',dim)
data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通过原矩阵的维数重新组合
print('合并矩阵：\n',data1)
print('维数：',data1.shape)
执行后的输出结果如下：
方法三：列表转换法
方法三：
相较于前两种方法，这种方法堪称“曲线救国”的典范。其核心思路是：先将数组转换为列表（list），完成拼接操作后再转换回数组（array）。
这是因为list中的append()函数在添加元素时不会改变原有列表的维度结构。尽管未对该方法进行严格的速度测试，但从直觉判断，其时间复杂度可能较高，建议谨慎使用。
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
#将array转换成list
aa = aa.tolist(aa)
a = a.tolist(a)
aa.append(a)#注意与方法二中np.append()用法的区别
com = np.array(aa)
print(com.shape)
该方法的输出结果如下：
合并矩阵：
[[[1 2 3]
[4 5 6]]
[[2 2 3]
[4 5 6]]
[[3 2 3]
[4 5 6]]
[[4 2 3]
[4, 5, 6]]]
维数： (4,2,3)
注意事项与转换差异
在此需要特别注意：
数组与列表之间相互转换的函数如下：
数组转列表：a = a.tolist()
列表转数组：a = np.array(a)
这里需要特别指出：A.tolist()和list(A)在表面效果上都是将数组转换为列表，但两者存在本质区别。请看以下示例：
A = np.reshape(np.arange(6),(3,2)) #生成一个3行2列的array
print（"数组A：",A）
print('A.tolist():',A.tolist())
print('list(A): ',list(A))运行结果如下：
数组A：
array([[0, 1],
[2, 3],
[4, 5]])
A.tolist(): [[0, 1], [2, 3], [4, 5]]
list(A): [array([0, 1]), array([2, 3]), array([4, 5])]
从结果可以看出：list(A)仅将最外层的数组转换为列表，而内部的每个向量仍然保持为array类型。
最后吐槽一句，其实numpy包中对于一维数组和二维数组的拼接，可选函数很多，但唯独没有充分考虑更高维数组的拼接需求。甚至连重写的append函数都不如原函数好用，真是“青出于蓝而败于蓝”，令人痛心。强烈建议numpy包在未来的更新中尽快解决这一问题。
深度学习中的应用场景
在深度学习领域，也有类似的需求场景。例如，使用图片训练模型时，彩色图片本身就是一个个三维数组，若需将一批图片送入网络进行训练，就需要将多个三维矩阵进行叠加。
TensorFlow似乎提供了相关的函数，在搭建深度学习框架时可直接使用，未来有机会再进一步扩展讨论。
扩展阅读：
扩展：二维数组行列添加
最后，附上几个在二维数组中添加一行或一列元素的函数：
1. np.append(a,b,axis=数字)
其中：
没有axis属性：将所有元素展开
axis = 0：添加n行
axis = 1：添加n列
口诀：0行1列，适用于所有numpy函数的axis属性。
2. 增加一行或者一列。
b = np.row_stack((a, 行元素))# 添加行
c = np.column_stack((a, 列元素)) #添加列以上这篇python实现把两个二维array叠加成三维array示例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
