本文介绍一种简洁、可读性强的方法，利用 `np.dstack` 与 `reshape` 组合，将四个等长一维时间序列快速组装为形状为 `(n, 2, 2)` 的三维数组，每个时间步对应一个 2×2 矩阵。
在时间序列建模、状态空间表示或批量矩阵运算中，常需将多个标量序列（如系统状态变量 A、B、C、D）组织为随时间变化的矩阵序列。例如，对每个时刻 t，构造局部矩阵 [[A[t], B[t]], [C[t], D[t]]]，最终得到形状为 (N, 2, 2) 的三维张量。
原始方法通过多次 reshape 和 concatenate 实现，逻辑嵌套深、维度操作易错且难以维护。更优解是借助 np.dstack —— 它沿第三轴（axis=2） 堆叠数组，自动广播为统一形状。对四个 (N,) 向量调用 np.dstack([A, B, C, D])，结果为 (1, N, 4)（注意：dstack 会前置两个单位维度），再经 reshape(N, 2, 2) 即可精准映射为所需结构：
import numpy as np
N = 100
A = np.ones(N) * 1
B = np.ones(N) * 2
C = np.ones(N) * 3
D = np.ones(N) * 4
# 一行代码完成构造
ABCD = np.dstack([A, B, C, D]).reshape(N, 2, 2)
print(ABCD.shape) # (100, 2, 2)
print(ABCD[0]) # [[1. 2.]
# [3. 4.]]⚠️ 注意事项：
- dstack 要求输入数组具有相同形状；若 A, B, C, D 长度不一致，会报错。建议预先校验：assert all(x.size == N for x in [A, B, C, D])。
- 该方法隐含“行优先”填充顺序：reshape(N, 2, 2) 按 C 风格展平，即 [A,B,C,D] 依次填入 [[·,·],[·,·]] 的第 0 行第 0 列、第 0 行第 1 列、第 1 行第 0 列、第 1 行第 1 列——这与目标结构完全一致。
- 若需其他布局（如 [[A,C],[B,D]]），可调整 dstack 中的参数顺序或改用 np.stack + transpose，但本例中 [A,B,C,D] 是最自然的列主序匹配。
综上，np.dstack(...).reshape(...) 不仅代码精简（仅 1 行）、语义清晰（“堆叠后重排形状”），而且性能优异（全程零拷贝视图操作，仅最后 reshape 可能触发数据复制）。这是构建时变小矩阵的标准推荐范式。
