在 Python 中，我可以附加到一个空数组，例如：
>>> a = []
>>> a.append([1,2,3])
>>> a.append([1,2,3])
>>> a
[[1, 2, 3], [1, 2, 3]]
如何在 NumPy 中做同样的事情？不幸的是，np.append 将数组展平（而且我需要在开头有一个空数组）。
【问题讨论】：
np.append()，最后删除第一个元素/行/列。我建议是否可以预定义实际数组大小而不是每次都更改大小。
np.array(a)。列表append 比数组append 快。
OP 打算从空数组开始。所以，这是使用 NumPy 的一种方法
In [2]: a = np.empty((0,3), int)
In [3]: a
Out[3]: array([], shape=(0L, 3L), dtype=int32)
In [4]: a = np.append(a, [[1,2,3]], axis=0)
In [5]: a
Out[5]: array([[1, 2, 3]])
In [6]: a = np.append(a, [[1,2,3]], axis=0)
In [7]: a
Out[7]:
array([[1, 2, 3],
[1, 2, 3]])
但是，如果您要附加大量循环。先追加列表再转成数组比追加 NumPy 数组要快。
In [8]: %%timeit
...: list_a = []
...: for _ in xrange(10000):
...: list_a.append([1, 2, 3])
...: list_a = np.asarray(list_a)
...:
100 loops, best of 3: 5.95 ms per loop
In [9]: %%timeit
....: arr_a = np.empty((0, 3), int)
....: for _ in xrange(10000):
....: arr_a = np.append(arr_a, np.array([[1,2,3]]), 0)
....:
10 loops, best of 3: 110 ms per loop
【讨论】：
array() 转换。
我想你在找vstack：
>>> import numpy as np
>>> a = [1, 2, 3]
>>> b = [1, 2, 3]
>>> np.vstack((a, b))
array([[1, 2, 3],
[1, 2, 3]])
【讨论】：
array() 转换。
append() 更合适，因为vstack() 消除了对axis=0 的需要（以及复杂性）。
np.append
让我们从一个空的二维数组开始：
In [8]: a = np.array([]); a = a.reshape((0, 3)); a
Out[8]: array([], shape=(0, 3), dtype=float64)
现在，让我们追加一些行：
In [19]: a = np.append(a, [[1, 2, 3]], axis=0 ); a
Out[19]: array([[ 1., 2., 3.]])
In [20]: a = np.append(a, [[1, 2, 3]], axis=0 ); a
Out[20]:
array([[ 1., 2., 3.],
[ 1., 2., 3.]])
np.concatenate:再次，让我们从一个空的二维数组开始：
In [28]: a = np.array([]); a = a.reshape((0, 3)); a
Out[28]: array([], shape=(0, 3), dtype=float64)
现在，让我们连接一些行：
In [29]: a = np.concatenate( (a, [[1, 2, 3]]), axis=0 ); a
Out[29]: array([[ 1., 2., 3.]])
In [30]: a = np.concatenate( (a, [[1, 2, 3]]), axis=0 ); a
Out[30]:
array([[ 1., 2., 3.],
[ 1., 2., 3.]])
【讨论】：