我不知道如何以通常使用列表的方式使用数组或矩阵。我想创建一个空数组（或矩阵），然后一次添加一列（或行）。
目前我能找到的唯一方法是：
mat = None
for col in columns:
if mat is None:
mat = col
else:
mat = hstack((mat, col))
如果它是一个列表，我会这样做：
list = []
for item in data:
list.append(item)
有没有办法为NumPy 数组或矩阵使用这种表示法？
【问题讨论】：
要创建一个空的 NumPy 数组而不定义其形状，您可以执行以下操作：
arr = np.array([])
首选第一个，因为您知道您将使用它作为 NumPy 数组。 NumPy 之后将其转换为 np.ndarray 类型，无需额外的 [] 'dimension'。
为了向数组添加新元素，我们可以这样做：
arr = np.append(arr, 'new element')
请注意，在 python 的背景中，没有数组这样的东西 定义它的形状。正如@hpaulj 提到的，这也是一个排名 数组。
【讨论】：
np.array([]) 创建一个形状为 (0,) 的数组，一个包含 0 个元素的一维数组。没有定义形状的数组是不存在的。并且 2) 与 1) 做同样的事情。
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)
【讨论】：
另一种创建可以带数组的空数组的简单方法是：
import numpy as np
np.empty((2,3), dtype=object)
【讨论】：
您对有效使用 NumPy 的心智模型有误。 NumPy 数组存储在连续的内存块中。如果要向现有数组添加行或列，则需要将整个数组复制到新的内存块中，从而为要存储的新元素创建间隙。如果重复构建数组，这是非常低效的。
在添加行的情况下，最好的办法是创建一个与数据集最终一样大的数组，然后逐行为其分配数据：
>>> import numpy
>>> a = numpy.zeros(shape=(5,2))
>>> a
array([[ 0., 0.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.]])
>>> a[0] = [1,2]
>>> a[1] = [2,3]
>>> a
array([[ 1., 2.],
[ 2., 3.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.]])
【讨论】：
.empty() 意味着可以在单元格中找到随机值，但数组的创建速度比例如更快。 .zeros() ?
也许你正在寻找的是这样的：
x=np.array(0)
通过这种方式，您可以创建一个没有任何元素的数组。它类似于：
x=[]
这样您就可以提前将新元素附加到您的数组中。
【讨论】：
x 是一个具有形状 () 和一个元素的数组。它更像0 而不是[]。你可以称它为“标量数组”。
这里有一些解决方法可以让 numpys 看起来更像列表
np_arr = np.array([])
np_arr = np.append(np_arr , 2)
np_arr = np.append(np_arr , 24)
print(np_arr)
输出：数组（[2., 24.]）
【讨论】：
np.append。尽管名称选择不当，但它不是列表追加克隆。
我认为您可以创建空的 numpy 数组，例如：
>>> import numpy as np
>>> empty_array= np.zeros(0)
>>> empty_array
array([], dtype=float64)
>>> empty_array.shape
(0,)
当您想在循环中附加 numpy 数组时，此格式很有用。
【讨论】：
我认为您希望使用列表处理大部分工作，然后将结果用作矩阵。也许这是一种方式；
ur_list = []
for col in columns:
ur_list.append(list(col))
mat = np.matrix(ur_list)
【讨论】：
在 NumPy 中创建一个空的多维数组（例如，一个二维数组 m*n 来存储您的矩阵），以防您不知道 m 将追加多少行并且不关心计算成本Stephen Simmons 提到（即在每次追加时重新构建数组），您可以将要追加到的维度压缩到 0：X = np.empty(shape=[0, n])。
例如，您可以使用这种方式（这里是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
这会给你：
[[ 0. 0.]
[ 0. 1.]
[ 1. 0.]
[ 1. 1.]
[ 2. 0.]
[ 2. 1.]
[ 3. 0.]
[ 3. 1.]
[ 4. 0.]
[ 4. 1.]]
【讨论】：
我对此进行了很多研究，因为我需要在我的一个学校项目中使用 numpy.array 作为一个集合，并且我需要初始化为空......我在 Stack Overflow 上没有找到任何相关答案，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一个np数组，如下：
In [36]: x= np.array([], dtype=np.float64)
我希望这会有所帮助。
【讨论】：
a=np.array([]) 似乎默认为 float64
您可以应用它来构建任何类型的数组，例如零：
a = range(5)
a = [i*0 for i in a]
print a
[0, 0, 0, 0, 0]
【讨论】：
a= [0] * 5 是简单的解决方案
您可以使用附加功能。对于行：
>>> from numpy import *
>>> a = array([10,20,30])
>>> append(a, [[1,2,3]], axis=0)
array([[10, 20, 30],
[1, 2, 3]])
对于列：
>>> append(a, [[15],[15]], axis=1)
array([[10, 20, 30, 15],
[1, 2, 3, 15]])
编辑
当然，正如其他答案中所提到的，除非您每次都在矩阵/数组上进行一些处理（例如反转），否则我只会创建一个列表，附加到它然后将其转换为数组.
【讨论】：
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.]]
0。numpy.append 是另一种选择。它调用numpy.concatenate。【讨论】：
NumPy 数组是与列表非常不同的数据结构，旨在以不同的方式使用。您对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被复制到一个新数组中。 （append 函数也有同样的问题。）如果您想一次建立一列矩阵，最好将其保留在列表中，直到完成，然后才将其转换为数组。
例如
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，只要
因为每个 item 具有相同数量的元素。
在这种特殊情况下（data 是一些可迭代的保存矩阵列），您可以简单地使用
mat = numpy.array(data)
（另请注意，使用list 作为变量名可能不是一个好习惯，因为它会用该名称掩盖内置类型，这可能会导致错误。）
编辑：
如果出于某种原因你真的想创建一个空数组，你可以使用 numpy.array([])，但这很少有用！
【讨论】：
np.concatenate()），您可以使用：np.empty((0, some_width))。 0，所以你的第一个数组不会是垃圾。