如何以我通常使用列表(List)的方式使用Numpy数组或矩阵? 我想创建一个空的数组(或矩阵)，然后每次添加一列(或行)到这个数组(或矩阵)。
目前能想到的方法是：
mat = None
for col in columns:
if mat is None:
mat = col
else:
mat = hstack((mat, col))
而如果它是一个列表，我会这样做：
list = []
for item in data:
(item)
有没有办法在NumPy中这样使用数组或矩阵？
最佳解决方案
上面对Numpy的使用观念可能有误。 NumPy数组存储在连续的内存块中，如果要将行或列添加到现有数组中，则需要将整个数组复制到一个新的内存块，从而为要存储的新元素创建间隙。如果重复建立一个数组，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您的数据集最终大小一样的数组，然后向其中按行添加数据：
>>> import numpy
>>> a = (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.]])
次佳解决方案
NumPy数组是一个与列表非常不同的数据结构，它被设计为以不同的方式使用。您对hstack的使用可能非常低效......每当您调用它时，现有数组中的所有数据都将被复制到一个新的数据中。 (append函数将有相同的问题。)如果您想一次构建您的只有一个列的矩阵，最好将它保存在列表中，直到它完成，然后才转换为一个数组。
例如
mylist = []
for item in data:
(item)
mat = (mylist)
item可以是一个列表，一个数组或任何可迭代的结构，只要每个item具有相同数量的元素。在这个特定的情况下(data是一些迭代持有矩阵列)，你可以简单地使用
mat = (data)
(还要注意，使用list作为变量名可能不是一个好的做法，因为它掩盖了内置类型的名称，这可能会导致错误。)
编辑：
如果由于某种原因，你真的想创建一个空的数组，你可以使用([])，但这是很少有用的！
第三种解决方案
在NumPy中创建一个空的多维数组(例如一个二维数组m*n来存储你的矩阵)，如果你不知道(m)你会追加多少行，而不关心计算成本(即在每次附加元素时re-buildinging数组)，您可以设置0为要添加到的维度：X = (shape=[0, n])。
这样你可以使用例如(这里我们假设我们不知道什么时候创建空矩阵m = 5和n = 2)：
import numpy as np
n = 2
X = (shape=[0, n])
for i in range(5):
for j in range(2):
X = (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.]]
参考文献