如何在NumPy中创建一个空数组/矩阵？

我无法弄清楚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），然后一次向其中添加一列（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))

而如果这是一个列表，我会做这样的事情：

list = []
for item in data:
    list.append(item)

有没有办法对NumPy数组或矩阵使用这种表示法？

您对有效使用NumPy的思维模式有误。NumPy数组存储在连续的内存块中。如果要向现有阵列添加行或列，则需要将整个阵列复制到新的内存块中，从而为要存储的新元素创建间隙。如果反复进行以构建阵列，则效率非常低下。

在添加行的情况下，最好的选择是创建一个与数据集最终大小一样大的数组，然后逐行向其中添加数据：

>>> 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.]])

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。您的使用hstack可能效率很低...每次调用它时，现有数组中的所有数据都将被复制到一个新数组中。（该append函数会有相同的问题。）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，然后再将其转换为数组。

例如

mylist = []
for item in data:
    mylist.append(item)
mat = numpy.array(mylist)

item可以是列表，数组或任何可迭代的，只要每个item元素具有相同数量的元素即可。
在这种特殊情况下（data保存矩阵列有些可迭代），您可以简单地使用

mat = numpy.array(data)

（还请注意，将其list用作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：

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

要在NumPy中创建一个空的多维数组（例如，m*n用于存储矩阵的2D数组），以防万一您不知道m要追加多少行并且不在乎Stephen Simmons提到的计算成本（即重新构建数组），您可以将要附加到的尺寸压缩为0 X = np.empty(shape=[0, n])。

例如，您可以使用这种方式（在这里m = 5我们假设在创建空矩阵时我们并不知道，以及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

这将为您提供：

[[ 0.  0.]
 [ 0.  1.]
 [ 1.  0.]
 [ 1.  1.]
 [ 2.  0.]
 [ 2.  1.]
 [ 3.  0.]
 [ 3.  1.]
 [ 4.  0.]
 [ 4.  1.]]

我进行了很多研究，因为我需要在我的一个学校项目中使用numpy.array作为集合，并且需要将其初始化为空。在这里，我在Stack Overflow上没有找到任何相关的答案，所以我开始涂鸦的东西。

# 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，您可以按如下所示直接初始化np数组：

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，正如其他答案中所述，除非每次对矩阵/数组进行一些处理（例如反转），否则每次将其添加到列表中时，我都会创建一个列表，将其添加到列表中，然后将其转换为数组。

如果您完全不知道数组的最终大小，则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0第一行中的。
• numpy.append是另一种选择。它调用numpy.concatenate。

您可以将其应用于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]

这是一些使numpys看起来更像列表的解决方法

np_arr = np.array([])
np_arr = np.append(np_arr , 2)
np_arr = np.append(np_arr , 24)
print(np_arr)

输出：array（[2.，24.]）

根据您使用它的目的，您可能需要指定数据类型（请参见'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，在形状中包括颜色通道的数量： shape=(H,W,3)

您可能还想考虑使用零初始化，numpy.zeros而不是使用numpy.empty。请参阅此处的注释。

我认为您想处理列表的大部分工作，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,)

当您要在循环中附加numpy数组时，此格式很有用。

为了创建一个空的NumPy数组而不定义其形状，有一种方法：

1。

arr = np.array([]) 

首选。因为您知道您将以numpy的形式使用它。

2。

arr = []
# and use it as numpy. append to it or etc..

NumPy之后将其转换为np.ndarray类型，无需额外的操作[] dimionsion。