本文介绍一种简洁、可读性强的方法，利用 `np.dstack` 与 `reshape` 将四个等长一维数组（代表随时间变化的 2×2 矩阵元素）直接组合成形状为 `(n, 2, 2)` 的三维数组，避免多层 `concatenate` 和冗余 reshape。
在时间序列建模、状态空间表示或批量矩阵运算中，我们常需将多个标量时间序列（如矩阵的各个元素）组织为“时间 × 行 × 列”的三维结构。例如，给定四组长度为 N 的一维数组 A, B, C, D，分别对应每个时刻的 2×2 矩阵 [[A[t], B[t]], [C[t], D[t]]]，目标是构造一个形状为 (N, 2, 2) 的三维 NumPy 数组。
传统方法（如问题中所示）通过多次 reshape 和 concatenate 实现，逻辑嵌套深、可读性差，且易出错。更优雅的解法是：先沿深度轴堆叠为 (1, N, 4)，再重排为 (N, 2, 2)。
核心代码仅需一行：
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 # ✅ 推荐：简洁、直观、高效 ABCD = np.dstack([A, B, C, D]).reshape(N, 2, 2)
其中：
