Как создать пустой массив / матрицу в NumPy?

массив NumPy-это совсем другая структура данных из списка и предназначен для использования по-разному. Ваше использование hstack потенциально очень неэффективно... каждый раз, когда вы вызываете его, все данные в существующем массиве копируются в новый. (Тег append функция будет иметь ту же проблему.) Если вы хотите построить свою матрицу по одному столбцу за раз, вам лучше всего сохранить ее в списке до тех пор, пока она не будет завершена, и только затем преобразовать ее в матрица.

например

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

item может быть список, массив или любой итерируемый, как долго как каждый item имеет такое же количество элементов.
В данном конкретном случае (data некоторые итерационные удержания столбцов матрицы) вы можете просто использовать

mat = numpy.array(data)

(Также обратите внимание, что использование list как имя переменной, вероятно, не очень хорошая практика, так как она маскирует встроенный тип этим именем, что может привести к ошибкам.)

EDIT:

если по некоторым причинам вы действительно хотите создать пустой массив, вы можете просто использовать numpy.array([]), но это редко!

чтобы создать пустой многомерный массив в NumPy (например, 2D массив m*n для хранения вашей матрицы), в случае, если вы не знаете m сколько строк вы добавите и не заботитесь о вычислительных затратах, упомянутых Стивеном Симмонсом (а именно о повторном построении массива при каждом добавлении), вы можете сжать до 0 Размер, к которому вы хотите добавить:X = np.empty(shape=[0, n]).

таким образом, вы можете использовать например (здесь m = 5 который мы предполагаем, что мы не знали при создании пустой матрицы, и 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

что даст вам:

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

Я много смотрел на это, потому что мне нужно было использовать numpy.массив как набор в одном из моих школьных проектов, и мне нужно было инициализировать пустой... Я не нашел никакого подходящего ответа здесь на переполнение стека, поэтому я начал что-то рисовать.

# 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)

результат будет такой:

In [34]: x
Out[34]: array([], dtype=float64)

поэтому вы можете непосредственно инициализировать массив np следующим образом:

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

Я надеюсь, что это помогает.

Вы можете использовать функцию append. Для строк:

>>> from numpy import *
>>> a = array([10,20,30])
>>> append(a, [[1,2,3]], axis=0)
array([[10, 20, 30],      
       [1, 2, 3]])

для столбцов:

>>> append(a, [[15],[15]], axis=1)
array([[10, 20, 30, 15],      
       [1, 2, 3, 15]])

---

EDIT
Конечно, как упоминалось в других ответах, если вы не выполняете некоторую обработку (например. инверсия) на матрице / массиве каждый раз, когда вы добавляете что-то к нему, я бы просто создал список, добавил к нему, а затем преобразовал его в массив.

если вы абсолютно не знаете окончательный размер массива, вы можете увеличить размер массива следующим образом:

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.]]

• обратите внимание на 0 в первой строке.
• numpy.append это еще один вариант. Он зовет numpy.concatenate.

вы можете применить его для построения любого вида массива, например нули:

a = range(5)
a = [i*0 for i in a]
print a 
[0, 0, 0, 0, 0]

в зависимости от того, для чего вы это используете, вам может потребоваться указать тип данных (см. 'dtype').

например, для создания 2D массива 8-битных значений (подходит для использования в качестве монохромного изображения):

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

для изображения RGB включите количество цветовых каналов в форме:shape=(H,W,3)

вы также можете рассмотреть возможность нулевой инициализации с помощью numpy.zeros вместо numpy.empty. См. Примечание здесь.

Я думаю, что вы хотите обрабатывать большую часть работы со списками, а затем использовать результат в качестве матрицы. Может быть, это и есть способ;

ur_list = []
for col in columns:
    ur_list.append(list(col))

mat = np.matrix(ur_list)