您对有效使用 NumPy 有错误的心智模型。NumPy 数组存储在连续的内存块中。如果要向现有数组添加行或列，则需要将整个数组复制到新的内存块中，从而为要存储的新元素创建间隙。如果重复构建数组，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数据集最终一样大的数组，然后逐行为其分配数据：
>>> 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可能非常低效......每次调用它时，现有数组中的所有数据都会被复制到一个新数组中。（这个append函数也会有同样的问题。）如果你想一次建立你的矩阵一列，你最好把它保存在一个列表中，直到它完成，然后才将它转换成一个数组。
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具有相同数量的元素。
在这种特殊情况下（data是一些可迭代的保存矩阵列），您可以简单地使用
mat = numpy.array(data)
（另请注意，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，一个 2D 数组m*n来存储您的矩阵），以防您不知道m要追加多少行并且不关心 Stephen Simmons 提到的计算成本（即重新构建每个追加的数组），您可以将要追加到的维度压缩到 0: X = np.empty(shape=[0, n])。
例如，您可以使用这种方式（在这里m = 5我们假设我们在创建空矩阵时不知道，并且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
这会给你：
[[ 0. 0.]
[ 0. 1.]
[ 1. 0.]
[ 1. 1.]
[ 2. 0.]
[ 2. 1.]
[ 3. 0.]
[ 3. 1.]
[ 4. 0.]
[ 4. 1.]]
我对此进行了很多研究，因为我需要在我的一个学校项目中使用 numpy.array 作为一个集合，并且我需要初始化为空......我在 Stack Overflow 上没有找到任何相关答案，所以我开始了涂鸦的东西。
# 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，您可以直接初始化一个 np 数组，如下所示：
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，正如其他答案中所提到的，除非您每次都在矩阵/数组上进行一些处理（例如反转），否则我只会创建一个列表，附加到它然后将其转换为大批。
这是使 numpys 看起来更像列表的一些解决方法
np_arr = np.array([])
np_arr = np.append(np_arr , 2)
np_arr = np.append(np_arr , 24)
print(np_arr)
输出：数组（[2., 24.]）
要创建一个空的 NumPy 数组而不定义其形状，您可以执行以下操作：
arr = np.array([])
第一个是首选，因为您知道您将使用它作为 NumPy 数组。NumPynp.ndarray之后将其转换为类型，无需额外[]的“维度”。
为了向数组添加新元素，我们可以这样做：
arr = np.append(arr, 'new element')
请注意，在 python 的背景中，没有定义其形状的数组是不存在的。正如@hpaulj 提到的，这也构成了一个单秩数组。
如果您绝对不知道数组的最终大小，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.]]
0第一行中的。numpy.append是另一种选择。它调用numpy.concatenate.您可以应用它来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]
另一种创建可以接受数组的空数组的简单方法是：
import numpy as np
np.empty((2,3), dtype=object)
我认为您想使用列表处理大部分工作，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,)
当您想在循环中附加 numpy 数组时，此格式很有用。
也许您正在寻找的是这样的：
x=np.array(0)
通过这种方式，您可以创建一个没有任何元素的数组。它类似于：
x=[]
这样您就可以提前将新元素附加到您的数组中。
输入：
import numpy as np
data = np.zeros((0, 0), dtype=float) # (rows,cols)
data.shape
输出：
(0, 0)
输入：
for i in range(n_files):
data = np.append(data, new_data, axis = 0)