Python 使用append函数创建二维numpy数组

我想用python创建一个尺寸为Nx2的2D numpy数组。我想通过使用2

for

循环来创建它。我可以用下面的代码在Matlab中轻松构建这个数组

matrix = [];

for i = 1:3
    for j = 1:4
        temp = [i, j];
        matrix = [matrix; temp];
    end
end

我已经试过很多次了，但都失败了。通常，我得到的错误与运行

for

循环时不匹配的数组大小有关

代码的输出是

matrix =

 1     1
 1     2
 1     3
 1     4
 2     1
 2     2
 2     3
 2     4
 3     1
 3     2
 3     3
 3     4

matrix=[]
对于范围（1,4）内的i：
对于范围（1,5）内的j：
温度=[i，j]
矩阵附加（临时）

最后，您可以使用将列表列表转换为numpy数组

---

matrix=np.array（matrix）

要做到这一点，您实际上不需要在MATLAB或numpy中使用循环。在这两种语言中，显式循环往往比矢量化代码时运行的隐藏式循环慢。在循环中追加的另一个问题是，每个操作都会重新分配整个数组以添加新元素。您希望尽可能避免追加和预分配

两个软件包都有

meshgrid

功能。在numpy中，您可以执行以下操作：

ii = np.arange(3) + 1
jj = np.arange(4) + 1
j, i = np.meshgrid(jj, ii)

matrix = np.stack((i.ravel(), j.ravel()), axis=1)

在MATLAB中，它将非常类似：

ii = 1:3;
jj = 1:4;
[i, j] = meshgrid(ii, jj);

matrix = [i(:) j(:)];

如果您确实需要在一个不断重新分配的循环中执行此操作，那么MATLAB循环很容易转换为numpy。使用

np.append

或

np.concatenate

代替隐式

vertcat

：

matrix = np.array((0, 2));

for i in range(1, 4)
    for j in range(1, 5)
        temp = [[i, j]]
        matrix = np.append(matrix, temp, axis=0)

---

这里有一个函数，它执行您想要的操作，并使用两个for循环。N为+1，M为+1的原因是，在python中，range（）函数返回一个数字序列，默认情况下从0开始，递增1（默认情况下），并以指定的数字结束。因此，由于我们从1开始，而不是从0开始，我们需要添加1，以便实际范围是正确的。也就是说，0,4是4的范围，但1,4实际上只是3的范围。希望有帮助-布雷克

import numpy as np


def Nx2(N, M):
    matrix=[]
    n = N+ 1
    m= M + 1
    for i in range(1,n):
        for j in range(1,m):
            temp=[i,j]
            matrix.append(temp)
    final_matrix = np.array(matrix)
    return final_matrix
print(Nx2(3, 4))

---

np.zero（（100100））

创建一个填充有零的二维数组。如果你在问题中添加预期输出，这将很清楚。你是对的，我将添加预期输出。你提到的可能是第一步。谢谢你的记忆在MATLAB中一切都是2d的。

[]

为0x0<代码>[[]；[1,2]]将其与1x2连接，根据需要展开形状。在

numpy

中，数组可以是0d、1d等。

np.concatenate

对匹配维度很挑剔

np.append

是

连接的一个糟糕的前端设计。我知道使用“for”循环效率很低。我知道我可能会养成一个坏习惯，但我管理的数据维度并不大，所以这并不重要。你写的最后一段代码就是我一直想做的。到目前为止，我得到了以下错误。ValueError:所有输入数组的维数必须相同，但索引0处的数组有1个维度，而索引1处的数组有2个维度@ArmanoJaver。您应该选择最适合您的任务的答案，并对您认为有帮助的内容进行投票。您在函数外设置了一个全局矩阵（坏），然后返回它（好）。此外，这与SurajSubramanian在一刻钟前发布的答案没有太大区别。在这种情况下，是否最好将矩阵设置为=[]函数的内部？（总是学习）绝对。不这样做完全是错误的。试着运行你的函数两次。有这样的时刻很好。顺便说一下，别忘了修正你的缩进。