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.]]

可以使用append函数。行:

>>> from numpy import *
>>> a = array([10,20,30])
>>> append(a, [[1,2,3]], axis=0)
array([[10, 20, 30],      
       [1, 2, 3]])

列:

>>> append(a, [[15],[15]], axis=1)
array([[10, 20, 30, 15],      
       [1, 2, 3, 15]])

编辑 当然，正如在其他答案中提到的，除非你在矩阵/数组上做一些处理(例如反转)，每次你添加一些东西到它，我只会创建一个列表，添加到它，然后将它转换为数组。

这是有效使用NumPy的错误思维模式。NumPy数组存储在连续的内存块中。要向现有数组追加行或列，需要将整个数组复制到一个新的内存块，为存储的新元素创建间隙。如果重复这样做，效率是非常低的。

与其追加行，不如分配一个适当大小的数组，然后逐行赋值:

>>> import numpy as np

>>> a = np.zeros(shape=(3, 2))
>>> a
array([[ 0.,  0.],
       [ 0.,  0.],
       [ 0.,  0.]])

>>> a[0] = [1, 2]
>>> a[1] = [3, 4]
>>> a[2] = [5, 6]

>>> a
array([[ 1.,  2.],
       [ 3.,  4.],
       [ 5.,  6.]])

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。

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。