Python中numpy.ndarray无append属性的AttributeError报错求助

AttributeError: 'numpy.ndarray' object has no attribute 'append' 这个错误很明确：你在调用numpy数组的append方法，但append是Python原生列表（list）的专属方法，numpy数组根本没有这个属性。

十有八九是你在执行image_array.append(image)之前，已经把image_array定义成了numpy数组，而非普通的空列表。

分两种常用场景处理：

场景1：先收集数据再转数组（推荐） #

如果你的流程是先批量攒数据，最后转成numpy数组，那正确的做法是先把image_array和label_array初始化为空列表，用列表的append添加元素，最后再转成numpy数组。代码示例：

# 初始化空列表
image_array = []
label_array = []

# 循环/单次添加元素
image_array.append(image)
label_array.append(i)

# 最后转换为numpy数组
image_array = np.array(image_array)
label_array = np.array(label_array, dtype="float")

这种方式效率更高，因为列表的append操作比numpy数组的拼接开销小很多，数据量大的时候差异尤其明显。

场景2：基于现有numpy数组扩展 #

如果已经有现成的numpy数组，需要扩展它，就得用numpy提供的全局函数np.append()（注意不是数组自身的方法）：

# 假设image_array已经是numpy数组
image_array = np.append(image_array, image)
# 要是处理多维数据（比如单张图片是(28,28)，数组是(n,28,28)），得保证维度匹配，可能要加reshape或者用列表包裹：
image_array = np.append(image_array, [image], axis=0)

label_array = np.append(label_array, i).astype("float")

提醒一句：numpy的append每次都会生成新数组，频繁调用会拖慢程序，所以能先用列表攒数据的话，优先选场景1的方案。

内容的提问来源于stack exchange，提问作者RVC