我不知道如何以我通常使用列表的方式使用数组或矩阵。我想创建一个空数组（或矩阵），然后一次添加一列（或行）。如何在NumPy中创建一个空数组/矩阵？
目前我能找到这样做的唯一方法是这样的：
mat = None
for col in columns:
if mat is None:
mat = col
else:
mat = hstack((mat, col))
而如果它是一个名单，我会做这样的事情：
list = []
for item in data:
list.append(item)
有为NumPy数组或矩阵使用这种符号的方法？
你有错误的心理模型有效地使用NumPy。 NumPy数组存储在连续的内存块中。如果要将行或列添加到现有数组中，则需要将整个数组复制到新的内存块，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，则效率非常低。
在添加行的情况下，最好的办法是建立一个数组，它是一样大的数据集最终会，然后添加数据一行接一行：
>>> 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.]])
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，在其他的答案中提到，除非你正在做一些处理（例如反转）上矩阵/数组每次你追加一些东西给它，我会创建一个列表，追加到它然后将其转换为数组。
NumPy数组是一个与列表非常不同的数据结构，其设计目的是以不同的方式使用。您使用hstack的效率可能非常低下......每当您调用它时，现有阵列中的所有数据都将被复制到新的阵列中。 （append函数会有同样的问题。）如果您想一次构建一列矩阵，最好将它保存在列表中直到完成，然后才将其转换为数组。
例如
mylist = []
for item in data:
mylist.append(item)
mat = numpy.array(mylist)
item可以是一个列表，阵列或任何可迭代，只要 每个item具有相同数量的元素。
在这种特殊情况下（data一些迭代控股矩阵的列），你可以简单地使用
mat = numpy.array(data)
（另请注意，使用list作为变量名可能是因为它掩盖不好的做法内置型通过这个名字，这可能会导致错误。）
编辑：
如果由于某种原因，你真的要创建一个空数组，你可以使用numpy.array([])，但这是很少有用！
如果你完全不知道该阵列的最终大小，你可以增加这样的数组的大小：
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.]]
0在第一线。numpy.append是另一种选择。它调用numpy.concatenate。我看了很多，因为我需要在我的学校项目中使用numpy.array作为一个集合，我需要初始化为空...我没有在这里找到任何相关答案堆栈溢出，所以我开始涂鸦的东西。
# 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，如下所示，你可以直接初始化数组NP：
In [36]: x= np.array([], dtype=np.float64)
我希望这有助于。
在NumPy中创建一个空的多维数组（例如用于存储矩阵的二维数组m*n），如果您不知道m您将追加多少行并且不关心计算成本Stephen Simmons提到（即在每个追加处重新构建数组），可以将要添加的维数挤压为0：X = np.empty(shape=[0, n])。
这样，您就可以使用例如（这里m = 5我们假设创建空矩阵时，我们不知道，和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
，这将给你：
[[ 0. 0.]
[ 0. 1.]
[ 1. 0.]
[ 1. 1.]
[ 2. 0.]
[ 2. 1.]
[ 3. 0.]
[ 3. 1.]
[ 4. 0.]
[ 4. 1.]]
您可以将它应用于构建任何类型的阵列，如零：
a = range(5)
a = [i*0 for i in a]
print a
[0, 0, 0, 0, 0]
还有numpy.empty（）如果你不需要零数组。 – janneb 2009-04-19 21:19:34
在零（）上使用empty（）有什么好处？ – Zach 2012-09-01 16:11:34
，如果您要立即用数据初始化它，则可以节省调零成本。 – marcorossi 2012-11-13 09:23:52