“启动”你想要的数组的方式是:
arr = np.empty((0,3), int)
这是一个空数组,但它有适当的维度。
>>> arr
array([], shape=(0, 3), dtype=int64)
然后确保沿轴0附加:
arr = np.append(arr, np.array([[1,2,3]]), axis=0)
arr = np.append(arr, np.array([[4,5,6]]), axis=0)
但是,@jonrsharpe是对的。事实上,如果你要在循环中追加,在第一个例子中添加到列表会更快,然后在最后转换为numpy数组,因为你真的没有使用numpy意图在循环期间:
In [210]: %%timeit
.....: l = []
.....: for i in xrange(1000):
.....: l.append([3*i+1,3*i+2,3*i+3])
.....: l = np.asarray(l)
.....:
1000 loops, best of 3: 1.18 ms per loop
In [211]: %%timeit
.....: a = np.empty((0,3), int)
.....: for i in xrange(1000):
.....: a = np.append(a, 3*i+np.array([[1,2,3]]), 0)
.....:
100 loops, best of 3: 18.5 ms per loop
In [214]: np.allclose(a, l)
Out[214]: True
numpythonic的方法,这取决于你的应用程序,但它会更像:
In [220]: timeit n = np.arange(1,3001).reshape(1000,3)
100000 loops, best of 3: 5.93 µs per loop
In [221]: np.allclose(a, n)
Out[221]: True