Python numpy广播规则的解决方法

我目前正在分析一项研究的一些数据。本研究共有27名参与者，每个参与者的数据都表示为一个三维numpy数组。例如，参与者1的数据具有形状（22、59、751）。我想将所有这27个数组组合成一个具有形状（22,59751,27）的4维数组。我所做的是初始化一个新的4D数组，数组中填充了0

comb_data = np.zeros((22, 59, 751, 27))

然后我循环遍历每个数组，然后将其分配到相应的位置

for i, participant in enumerate(control_files):
    comb_data[:, :, :, i] = np.load(os.path.join(path_control, participant))[:, :, :]

但是，某些阵列具有不同的形状大小（由于数据收集中的问题）。因此，我现在面对的情况是：

ValueError: could not broadcast input array from shape (15,59,751) into shape (22,59,751)

---

我希望尽可能分配数组，然后填充/保留剩余的0。解决这种情况的可能方法是什么？。还有什么方法可以让“较小”数组自动将0值填充到“较大”数组中吗？

如果已经用0填充了空间，只需限制给定数组的大小即可

for i, participant in enumerate(control_files):
    a,b,c = participant.shape
    comb_data[:a, :b, :c, i] = np.load(os.path.join(path_control, participant))[:, :, :]

---

不幸的是，numpy不会将X形张量任意转换成Y形张量，自动填充零。这主要是因为有数千种方法来填充零，不必系统化。

当然，首先需要知道最大的形状，然后初始化零矩阵并根据每个元素的形状复制其尺寸

data\u list=[np.load（os.path.join（path\u control，p））用于控制文件中的p]
最大形状=np.max（np.array（[m.shape代表数据列表中的m]），轴=0
comb_data=np.zeros（[len（数据列表）]+最大的形状tolist（））
对于枚举中的i，m（数据列表）：
梳形数据[i，：m.shape[0]，：m.shape[1]，：m.shape[2]=m

---

在这个例子中，我把每个人的索引放在第一位，但你也可以放在最后。

谢谢，所以这只是一个索引的简单例子。是的，补充了一点解释。