使用列表：

matrix_in_python  = [['Roy',80,75,85,90,95],['John',75,80,75,85,100],['Dave',80,80,80,90,95]]

通过使用dict：您还可以将这些信息存储在哈希表中，以便快速搜索，例如

matrix = { '1':[0,0] , '2':[0,1],'3':[0,2],'4' : [1,0],'5':[1,1],'6':[1,2],'7':[2,0],'8':[2,1],'9':[2,2]};

矩阵['1']将在O（1）时间内给出结果

*nb：你需要处理哈希表中的冲突

公认的答案是正确的，但我花了一段时间才明白，我也可以使用它创建一个完全空的数组。

l =  [[] for _ in range(3)]

结果

[[], [], []]

使用NumPy，可以如下初始化空矩阵：

import numpy as np
mm = np.matrix([])

然后像这样附加数据：

mm = np.append(mm, [[1,2]], axis=1)

如果你只需要一个二维容器来容纳一些元素，你可以方便地使用字典来代替：

Matrix = {}

然后您可以执行以下操作：

Matrix[1,2] = 15
print Matrix[1,2]

这是因为1，2是一个元组，您将其用作索引字典的键。结果类似于哑稀疏矩阵。

如osa和Josap Valls所示，您还可以使用Matrix=collections.defaultdict（lambda:0），以便丢失的元素具有默认值0。

Vatsal进一步指出，这种方法对于大型矩阵可能不是很有效，只应在代码的非性能关键部分使用。

要声明一个零（1）矩阵：

numpy.zeros((x, y))

e.g.

>>> numpy.zeros((3, 5))
    array([[ 0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.]])

或numpy.ones（（x，y））例如

>>> np.ones((3, 5))
array([[ 1.,  1.,  1.,  1.,  1.],
   [ 1.,  1.,  1.,  1.,  1.],
   [ 1.,  1.,  1.,  1.,  1.]])

甚至三维都是可能的。(http://www.astro.ufl.edu/~warner/prog/python.html请参见-->多维数组）

下面是在python中创建矩阵的代码片段：

# get the input rows and cols
rows = int(input("rows : "))
cols = int(input("Cols : "))

# initialize the list
l=[[0]*cols for i in range(rows)]

# fill some random values in it
for i in range(0,rows):
    for j in range(0,cols):
        l[i][j] = i+j

# print the list
for i in range(0,rows):
    print()
    for j in range(0,cols):
        print(l[i][j],end=" ")

如果我错过了什么，请提出建议。