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。

在Python中，您将创建一个列表列表。您不必提前声明维度，但可以这样做。例如：

matrix = []
matrix.append([])
matrix.append([])
matrix[0].append(2)
matrix[1].append(3)

现在矩阵[0][0]==2，矩阵[1][0]==3。您还可以使用列表理解语法。本示例使用它两次来构建“二维列表”：

from itertools import count, takewhile
matrix = [[i for i in takewhile(lambda j: j < (k+1) * 10, count(k*10))] for k in range(10)]

如果在开始之前没有大小信息，请创建两个一维列表。

list 1: To store rows
list 2: Actual two-dimensional matrix

将整行存储在第一个列表中。完成后，将列表1追加到列表2中：

from random import randint

coordinates=[]
temp=[]
points=int(raw_input("Enter No Of Coordinates >"))
for i in range(0,points):
    randomx=randint(0,1000)
    randomy=randint(0,1000)
    temp=[]
    temp.append(randomx)
    temp.append(randomy)
    coordinates.append(temp)

print coordinates

输出：

Enter No Of Coordinates >4
[[522, 96], [378, 276], [349, 741], [238, 439]]

这就是我通常在python中创建2D数组的方式。

col = 3
row = 4
array = [[0] * col for _ in range(row)]

与在列表理解中使用两个for循环相比，我发现这种语法很容易记住。

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）

如果您想创建一个二维矩阵，其维度由两个变量定义，并使用其所有元素的默认值对其进行初始化。您可以使用以下简单语法

n_rows=3
n_cols=4
aux_matrix= [[1]*n_cols]*n_rows