根据你使用它的目的，你可能需要指定数据类型(参见'dtype')。

例如，要创建一个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，包括形状中的颜色通道数:shape=(H,W,3)

您还可以考虑使用numpy进行零初始化。0代替numpy.empty。请看这里的说明。

我认为你想用列表处理大部分工作，然后将结果作为矩阵使用。也许这是一种方法;

ur_list = []
for col in columns:
    ur_list.append(list(col))

mat = np.matrix(ur_list)

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。

最简单的方法

输入:

import numpy as np
data = np.zeros((0, 0), dtype=float)   # (rows,cols)
data.shape

输出: (0,0)

输入:

for i in range(n_files):
     data = np.append(data, new_data, axis = 0)

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.]])

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]