如何修改Python NumPy代码，实现循环中向空矩阵追加迭代数组？

原代码存在三个核心问题：

• 每次循环用np.append(Q, Q, axis=0)直接覆盖storage_Q，没有实现“追加新数组到存储矩阵”的逻辑，最终只保留了最后一次迭代的Q并重复两次
• 初始定义的storage_Q为object类型空矩阵，既无必要也未被实际使用
• 循环逻辑未正确累积每一步生成的Q值

推荐两种可行的修改方式：

方式一：列表收集结果后转数组（高效首选） #

numpy数组的append操作每次都会重新分配内存，循环中频繁调用效率较低。更优的做法是先用普通列表收集每一步的结果，最后统一转换为numpy数组：

import numpy as np
Q = np.array([[10,20,3]])
storage_list = []
TotalK = 6 

for k in range(TotalK):
    Q = Q + [[2,0,1]]
    storage_list.append(Q[0])  # 提取一维数组存入列表

storage_Q = np.array(storage_list)
print(storage_Q)

运行输出：

[[12 20  4]
 [14 20  5]
 [16 20  6]
 [18 20  7]
 [20 20  8]
 [22 20  9]]

方式二：numpy逐步追加（适合必须用矩阵操作的场景） #

如果坚持用numpy的追加逻辑，需要初始化空的二维数组，每次将新生成的Q追加到已有矩阵中，而非覆盖：

import numpy as np
Q = np.array([[10,20,3]])
storage_Q = np.empty((0, 3))  # 初始化空的二维数组
TotalK = 6 

for k in range(TotalK):
    Q = Q + [[2,0,1]]
    storage_Q = np.append(storage_Q, Q, axis=0)

storage_Q = storage_Q.astype(int)  # 转换为整数类型
print(storage_Q)

该方案同样能得到预期结果，注意初始数组需定义为(0,3)的形状，确保追加时维度匹配。

• 方式一的列表收集在循环次数较多时效率远高于numpy反复追加，因为列表的动态扩容机制比numpy数组的内存重分配更灵活
• 原代码中storage_Q = np.empty((6,3), dtype = object)属于冗余代码，可直接删除

内容的提问来源于stack exchange，提问作者Nicholas Nicholas