我想创建一个空数组，并将项附加到它，一次一个。
xs = []
for item in data:
xs.append(item)
我可以用NumPy数组使用这种列表风格的符号吗?
当前回答
下面是一些使numpys看起来更像list的方法
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。)
其他回答
也许你正在寻找的是这样的东西:
x=np.array(0)
通过这种方式，您可以创建一个没有任何元素的数组。它类似于:
x=[]
通过这种方式，您可以提前向数组中添加新元素。
如果你完全不知道数组的最终大小，你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.]]
注意第一行的0。 numpy。Append是另一个选项。它调用numpy.concatenate。
要在NumPy中创建一个空的多维数组(例如，一个2D数组m*n来存储矩阵)，如果你不知道你要追加多少行，也不关心Stephen Simmons提到的计算成本(即在每次追加时重新构建数组)，你可以将你想追加的维度压缩为0:X = np。空(形状= [0,n])。
这样你可以使用例如(这里m = 5，我们假设我们在创建空矩阵时不知道，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.]]
NumPy数组是一种与列表非常不同的数据结构，被设计成以不同的方式使用。你对hstack的使用可能非常低效…每次调用它时，现有数组中的所有数据都会复制到一个新数组中。(附加函数也会有同样的问题。)如果你想一次一列地构建你的矩阵，你最好将它保存在一个列表中，直到它完成，然后才将它转换成一个数组。
e.g.
mylist = []
for item in data:
mylist.append(item)
mat = numpy.array(mylist)
Item可以是列表、数组或任何可迭代对象 因为每一项都有相同数量的元素。 在这种特殊情况下(data是一个包含矩阵列的可迭代对象)，您可以简单地使用
mat = numpy.array(data)
(还要注意，使用list作为变量名可能不是一个好的实践，因为它用该名称掩盖了内置类型，这可能会导致错误。)
编辑:
如果出于某种原因，您确实想要创建一个空数组，您可以使用numpy.array([])，但这很少有用!
下面是一些使numpys看起来更像list的方法
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。)
