Python 通过相同数组扩展数组的数组间隔

我必须为机器学习目的设置一个输入张量，如下所示：

tensor=array[array[object_1],array[object_2],...,array[object_n]]
np.shape(tensor)=(a,n,6)

现在每个对象数组都是一维的，比如说6个条目是描述它们的变量。 我想用另外4个条目扩展这6个条目。此扩展信息的变量保存在数组中

np.shape(extra_information)=(a,m,4) #m<n

编辑：

进一步澄清这个问题。以二维为例：

tensor=[[1,2,3],[3,4,5],[6,7,8],....,[...]]
extra_information=[[a],[b],[c],....[...]]
extra_information_intervall=[[0,2],[3,4],...,[0,0]]

由于zerro填充，

额外信息的形状是
（a，n，4）
，但它只包含m项的信息，并且在n和m之间用零填充。这同样适用于
额外信息\u间隔时间
。
现在的目标是将这些信息合并成张量：

tensor=[[1,2,3,a],[3,4,5,a],[6,7,8,b],....,[...,0]]

IIUC，你有一个
（a，n，6）
张量，它由
n
对象组成，其中一些是区间对象。这些间隔对象除了已有的6个功能外，还有4个其他功能。包含这4个特征的张量是
（a，m，4）
，你可以详细说明一下这个语句-
m小于n，因为额外信息中的每个数组都代表一个对象的间隔。
你说的间隔对象是什么意思？间隔[0,2]等在范围内是可变的吗？是的，它可以是[12,24]也可以是[0,1]。此范围内的所有元素都将添加相同的信息。我已更新了代码。这应该能满足你的需要。请阅读我答案中的最后一段进行解释。一定要让我知道这是否对你有效。我已经对这个问题和我的进展做了一些澄清。谢谢你的帮助。
tensor=[[1,2,3],[3,4,5],[6,7,8],....,[...]]
extra_information=[[a],[b],[c],....[...]]
extra_information_intervall=[[0,2],[3,4],...,[0,0]]

tensor=[[1,2,3,a],[3,4,5,a],[6,7,8,b],....,[...,0]]

ORIGINAL            ADDITIONAL
Obj0 [......]  -->  Obj0 [....]
Obj1 [......]       
Obj2 [......]       
Obj3 [......]  -->  Obj3 [....]
Obj4 [......]        
Obj5 [......]        
Obj6 [......]  -->  Obj6 [....] 
Obj7 [......]
Obj8 [......]

a = np.random.random((2,10,6))
b = np.random.random((2,5,4))

s = np.array([2,3,2,2,1])  #Number of elements = number of objects m
                           #Sum of elements = number of objects n

new_b = np.repeat(b, s, axis=1)
#new_b shape = (2,10,4)

out = np.dstack((a, new_b))
out.shape

(2, 10, 10)

ORIGINAL            ADDITIONAL
Obj0 [......]  -->  Obj0 [....]
Obj1 [......]  -->  Obj0 [....]       
Obj2 [......]  -->  Obj0 [....]       
Obj3 [......]  -->  Obj3 [....]
Obj4 [......]  -->  Obj3 [....]        
Obj5 [......]  -->  Obj3 [....]        
Obj6 [......]  -->  Obj6 [....] 
Obj7 [......]  -->  Obj6 [....] 
Obj8 [......]  -->  Obj6 [....] 

s = np.array([2,3,2,2,1])  #Number of elements = number of objects m
                           #Sum of elements = number of objects n

#First object from m objects will repeat 2 times, 
#second will repeat 3 times, etc...

#Total number of objects created after 
#repetitions = 10 = objects in original tensor.