如何创建一个空数组，然后在 NumPy 中附加到它？

这是有效使用 NumPy 的错误思维模型。 NumPy 数组存储在连续的内存块中。要将行或列附加到现有数组，需要将整个数组复制到新的内存块，从而为要存储的新元素创建间隙。如果重复执行，这是非常低效的。

不要追加行，而是分配一个适当大小的数组，然后逐行分配给它：

>>> 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.]])

---

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，然后才将其转换为大批。

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，只要每个 item 具有相同数量的元素。
在这种特殊情况下（data 是一些包含矩阵列的可迭代对象），您可以简单地利用

mat = numpy.array(data)

（另请注意，使用 list 作为变量名可能不是好的做法，因为它会用该名称掩盖内置类型，这可能会导致错误。）

编辑：

如果出于某种原因您确实想要创建一个空数组，您可以使用 numpy.array([])，但这很少有用！

---

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 您将追加多少行并且不关心斯蒂芬西蒙斯提到的计算成本（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，而 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.]]

---

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，所以我开始了涂鸦的东西。

# 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，您可以直接初始化一个 np 数组，如下所示：

In [36]: x= np.array([], dtype=np.float64)

我希望这有帮助。

---

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大批。

---

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([])

第一个是首选，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，而无需额外的 [] '维度'。

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，没有定义其形状的数组是不存在的。正如@hpaulj 提到的，这也构成了一个单秩数组。

---

这是使 numpys 看起来更像列表的一些解决方法

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.]）

---

如果您绝对不知道数组的最终大小，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.]]

注意第一行中的 0。

numpy.append 是另一种选择。它调用 numpy.concatenate。

---

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]

---

根据您使用它的目的，您可能需要指定数据类型（请参阅 'dtype'）。

例如，要创建一个 8 位值的二维数组（适合用作单色图像）：

myarray = numpy.empty(shape=(H,W),dtype='u1')

对于 RGB 图像，在形状中包含颜色通道数：shape=(H,W,3)

您可能还需要考虑使用 numpy.zeros 而不是使用 numpy.empty 进行零初始化。请参阅注释 here。

---

另一种创建可以接受数组的空数组的简单方法是：

import numpy as np
np.empty((2,3), dtype=object)

---

我认为您想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)

---

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。

---

也许您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。

---

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)

---