Numpy ndarray赋值优化：更高效的append替代实现方案咨询

针对你给出的代码，完全可以简化写法，避免手动逐个提取元素的繁琐操作，同时提升效率：

原代码问题分析 #

原代码先初始化一个3行0列的空数组a，再手动构造[[b[0]],[b[1]],[b[2]]]来做append操作，不仅写法冗余，而且numpy的append本质是创建新数组（原数组固定大小无法直接扩展），初始化空数组再拼接属于多余步骤。

优化方案1：直接构造目标数组（推荐） #

既然最终要得到列向量形式的数组，直接对b做维度转换即可，一步到位：

import numpy as np
b = np.array([1,2,3])
a = b.reshape(-1, 1)  # 或者 a = b[:, np.newaxis]

执行结果：

array([[1],
       [2],
       [3]])

reshape(-1,1)表示自动计算行数（这里是3），列数设为1；b[:, np.newaxis]则是通过添加新轴把一维数组转为二维列向量，两种方式效果一致。

优化方案2：如果一定要用append（不推荐） #

如果你坚持要保留append的写法，可以先把b转为列数组，避免手动拆元素：

import numpy as np
a = np.array([[],[],[]])
b = np.array([1,2,3])
a = np.append(a, b[:, np.newaxis], axis=1)

这种写法省去了手动构造[[b[0]],[b[1]],[b[2]]]的麻烦，但还是不如直接构造目标数组高效。

内容的提问来源于stack exchange，提问作者zangmolk