如何用Python（Numpy/Pandas）实现多文件二维数组的逐行拼接（解决空数组初始化报错问题）

这问题我之前也踩过坑！空数组和非空数组拼接确实容易出问题，给你两种优雅的解决方案，不管用Numpy还是Pandas都能轻松实现多文件二维数组的逐行拼接～

Numpy 解决方案 #

最高效也最省心的方式是先把所有文件的数组收集到一个列表里，最后一次性合并，完全避开空数组初始化的问题：

import numpy as np

# 假设你的文件列表
file_paths = ["fileA.txt", "fileB.txt", "fileC.txt"]
array_collection = []

for path in file_paths:
    # 读取文件为二维数组（根据你的文件格式调整读取方式，这里以空格分隔的文本为例）
    current_array = np.loadtxt(path)
    array_collection.append(current_array)

# 一次性逐行拼接所有数组
final_array = np.vstack(array_collection)
# 或者用 np.concatenate(array_collection, axis=0)，效果完全一致

如果非要从“空状态”开始循环处理（虽然不推荐，性能不如批量合并），可以用None来初始化，第一次循环直接赋值，之后再拼接：

import numpy as np

file_paths = ["fileA.txt", "fileB.txt", "fileC.txt"]
final_array = None

for path in file_paths:
    current_array = np.loadtxt(path)
    if final_array is None:
        final_array = current_array
    else:
        final_array = np.vstack((final_array, current_array))

Pandas 解决方案 #

如果你的文件格式比较灵活（比如有表头、不同分隔符），Pandas会更省心，拼接逻辑更简洁：

import pandas as pd

file_paths = ["fileA.txt", "fileB.txt", "fileC.txt"]
df_collection = []

for path in file_paths:
    # 读取文件为DataFrame，这里假设无表头、空格分隔，根据实际情况调整参数
    current_df = pd.read_csv(path, sep=" ", header=None)
    df_collection.append(current_df)

# 逐行拼接所有DataFrame，ignore_index=True重置行索引
final_df = pd.concat(df_collection, ignore_index=True)
# 如果需要转成Numpy数组，直接用下面的代码
final_array = final_df.to_numpy()

为什么不推荐从[[]]初始化空数组？ #

你一开始用A = [[]]得到的是一个0×0的Numpy数组（如果转成Numpy的话），而待拼接的是2×3的数组，两者维度不匹配，vstack/concatenate自然会报错。而且循环中每次拼接Numpy数组都会重新分配内存，性能远不如先收集再批量合并的方式。

内容的提问来源于stack exchange，提问作者SKPS