目前，我能找到的唯一方法是：
mat = None
for col in columns:
if mat is None:
mat = col
else:
mat = hstack((mat, col))
如果是列表，我会做这样的事情：
list = []
for item in data:
list.append(item)
对NumPy数组或矩阵使用这种表示法的方法？
#1 楼
您对有效使用NumPy的思维模式有误。 NumPy数组存储在连续的内存块中。如果要向现有阵列添加行或列，则需要将整个阵列复制到新的内存块中，从而为要存储的新元素创建间隙。如果反复执行以构建数组，这是非常低效的。如果添加行，最好的选择是创建一个与数据集最终大小一样大的数组，然后将数据分配给该行-按行：
>>> import numpy
>>> a = numpy.zeros(shape=(5,2))
>>> a
array([[ 0., 0.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.]])
>>> a[0] = [1,2]
>>> a[1] = [2,3]
>>> a
array([[ 1., 2.],
[ 2., 3.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.]])
#2 楼
NumPy数组是与列表完全不同的数据结构，旨在以不同的方式使用。您对hstack的使用可能效率很低...每次调用它时，现有阵列中的所有数据都会被复制到一个新的数组中。 （append函数将具有相同的问题。）如果您希望一次建立一列矩阵，则最好将其保留在列表中直到完成，然后再将其转换为数组。 例如
mylist = []
for item in data:
mylist.append(item)
mat = numpy.array(mylist)
item可以是列表，数组或任何可迭代的，只要每个item具有相同的元素数量。
在这种特殊情况下（
data是可迭代的保存矩阵列），您可以简单地使用
mat = numpy.array(data)
（还要注意，使用
list作为变量名称可能不是一个好习惯，因为它会用该名称掩盖内置类型，这可能导致错误。）编辑：
如果出于某种原因确实想创建一个空数组，可以只使用
numpy.array([])，但这很少有用！评论
numpy数组/矩阵与Matlab数组/矩阵有根本区别吗？
–levesque
2010年11月11日，3：20
如果由于某种原因需要定义一个空数组但宽度固定（例如np.concatenate（）），则可以使用：np.empty（（0，some_width））。 0，因此您的第一个数组不会成为垃圾。
– NumesSanguis
17年9月1日下午5:56
#3 楼
要在NumPy中创建一个空的多维数组（例如，用于存储矩阵的2D数组m*n），以防万一您不知道m您将追加多少行，并且不必关心Stephen Simmons提到的计算成本（即重新在每次追加时构建数组），您可以将要追加到的维度压缩为0。X = np.empty(shape=[0, n])。以这种方式可以使用示例（此处
m = 5假定我们没有知道创建空矩阵的时间，然后n = 2）：import numpy as np
n = 2
X = np.empty(shape=[0, n])
for i in range(5):
for j in range(2):
X = np.append(X, [[i, j]], axis=0)
print X
这将为您提供：
[[ 0. 0.]
[ 0. 1.]
[ 1. 0.]
[ 1. 1.]
[ 2. 0.]
[ 2. 1.]
[ 3. 0.]
[ 3. 1.]
[ 4. 0.]
[ 4. 1.]]
评论
对于您事先不知道#rows或想处理0行的情况，这应该是OP所问问题的答案
– Spcogg第二
19年8月15日在4:52
#4 楼
我进行了很多研究，因为我需要在我的一个学校项目中使用numpy.array作为集合，并且需要将其初始化为空...在Stack Overflow上没有找到任何相关的答案，因此我开始涂鸦的东西。# Initialize your variable as an empty list first
In [32]: x=[]
# and now cast it as a numpy ndarray
In [33]: x=np.array(x)
结果将是：
In [34]: x
Out[34]: array([], dtype=float64)
因此，您可以直接初始化np数组，如下所示：
In [36]: x= np.array([], dtype=np.float64)
我希望这会有所帮助。
评论
如问题所示，这不适用于数组，但对向量很有用。
– Divenex
17年12月22日在16:31
a = np.array（[]）似乎默认为float64
– P i
19年9月7日在9:58
#5 楼
您可以使用附加功能。对于行：>>> from numpy import *
>>> a = array([10,20,30])
>>> append(a, [[1,2,3]], axis=0)
array([[10, 20, 30],
[1, 2, 3]])
对于列：
>>> append(a, [[15],[15]], axis=1)
array([[10, 20, 30, 15],
[1, 2, 3, 15]])
编辑
当然，如其他答案中所述，除非每次对矩阵/数组进行一些处理（例如反转），否则只要创建一个列表，将其追加到列表中，然后将其转换为数组即可。
#6 楼
这是一些使numpys看起来更像列表的解决方法np_arr = np.array([])
np_arr = np.append(np_arr , 2)
np_arr = np.append(np_arr , 24)
print(np_arr)
输出：array（[2.，24.]）
#7 楼
如果您完全不知道数组的最终大小，则可以像这样增加数组的大小：my_arr = numpy.zeros((0,5))
for i in range(3):
my_arr=numpy.concatenate( ( my_arr, numpy.ones((1,5)) ) )
print(my_arr)
[[ 1. 1. 1. 1. 1.] [ 1. 1. 1. 1. 1.] [ 1. 1. 1. 1. 1.]]
注意
0第一行。numpy.append是另一种选择。它叫numpy.concatenate。#8 楼
您可以将其应用于构建任何类型的数组，例如零：a = range(5)
a = [i*0 for i in a]
print a
[0, 0, 0, 0, 0]
评论
如果要在纯python中执行此操作，则a = [0] * 5是简单的解决方案
–Makers_F
15年12月22日在3:46
#9 楼
根据使用的目的，您可能需要指定数据类型（请参见“ dtype”）。例如，创建一个8位值的2D数组（适合用作单色图像）：
myarray = numpy.empty(shape=(H,W),dtype='u1')
对于RGB图像，请包括形状中的颜色通道数：
shape=(H,W,3) 您可能还需要考虑使用
numpy.zeros而不是numpy.empty进行零初始化。请参阅此处的注释。#10 楼
我认为您想处理列表的大部分工作，然后将结果用作矩阵。也许这是一种方式;ur_list = []
for col in columns:
ur_list.append(list(col))
mat = np.matrix(ur_list)
#11 楼
我认为您可以创建空的numpy数组，例如：>>> import numpy as np
>>> empty_array= np.zeros(0)
>>> empty_array
array([], dtype=float64)
>>> empty_array.shape
(0,)
要在循环中添加numpy数组时，此格式很有用。
#12 楼
要在不定义形状的情况下创建空的NumPy数组，请执行以下操作：arr = np.array([])
（这是首选方法，因为您知道将其用作NumPy数组）
arr = [] # and use it as NumPy array later by converting it
arr = np.asarray(arr)
NumPy之后将其转换为np.ndarray类型，无需额外操作
[]'尺寸'。#13 楼
也许您正在寻找的是这样的东西：x=np.array(0)
这样，您可以创建一个没有任何元素的数组。它类似于：
x=[]
这样，您将可以预先向数组添加新元素。
评论
如果不需要将数组归零，则还有numpy.empty（）。
– janneb
09年4月19日在21:19
使用empty（）而不是zeros（）有什么好处？
–扎克
2012年9月1日16:11
如果您要立即使用数据进行初始化，则可以节省将数据清零的费用。
– marcorossi
2012年11月13日在9:23
@maracorossi，所以.empty（）意味着可以在单元格中找到随机值，但是创建数组的速度比例如用.zeros（）？
–user3085931
16年7月13日在17:38
@ user3085931是的！
–内森（Nathan）
16-09-30在15:33