你可以应用它来构建任何类型的数组，比如0:

a = range(5)
a = [i*0 for i in a]
print a 
[0, 0, 0, 0, 0]

我研究了很多，因为我需要使用numpy。在我的一个学校项目中，我需要将数组初始化为空…我在Stack Overflow上没有找到任何相关的答案，所以我开始涂鸦。

# 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，可以直接初始化np数组，如下所示:

In [36]: x= np.array([], dtype=np.float64)

我希望这能有所帮助。

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。

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!

我认为你可以像这样创建空numpy数组:

>>> import numpy as np
>>> empty_array= np.zeros(0)
>>> empty_array
array([], dtype=float64)
>>> empty_array.shape
(0,)

当您想在循环中追加numpy数组时，这种格式非常有用。

你可以应用它来构建任何类型的数组，比如0:

a = range(5)
a = [i*0 for i in a]
print a 
[0, 0, 0, 0, 0]