如何解决NumPy添加值维度报错并生成目标二维数组

• np.concatenate 要求所有参与拼接的对象维度完全一致，你传入的id、uId等都是0维标量（单值），和初始的1维列表维度不匹配，直接触发维度报错。
• 逐次往NumPy数组里塞单个值本身就是低效率写法，np.append默认不会保留二维结构，会把所有元素扁平化压成一维数组，和你需要的二维行结构需求不匹配。

优先用普通Python列表逐行收集数据，最后一次性转成NumPy数组，写法最简单、性能最高，完全不会出现维度问题：

import numpy as np

# 初始化普通Python列表存整行数据，不要一开始就创建NumPy数组
dataUser = []

# --- 以下是逐次读取单值的逻辑 ---
# 每读取到一组完整的id、uId、date、time、hr，就打包成列表追加
# 模拟第一组数据
id_val = 1
uId = 1
date = 1640988000000.0
time = 16260
hr = 90
dataUser.append([id_val, uId, date, time, hr])

# 模拟第二组数据
id_val = 2
uId = 1
date = 1640988000000.0
time = 16320
hr = 92
dataUser.append([id_val, uId, date, time, hr])
# --- 单值读取逻辑结束 ---

# 所有数据收集完成后，一次性转成二维NumPy数组
dataUser = np.array(dataUser)

运行后输出结果完全符合预期：

[[1.000000e+00 1.000000e+00 1.640988e+12 1.626000e+04 9.000000e+01]
 [2.000000e+00 1.000000e+00 1.640988e+12 1.632000e+04 9.200000e+01]]

如果必须全程用NumPy方法逐行拼接（数据量极大时不推荐，性能比列表方案差很多），要先初始化列数匹配的空二维数组，每次把新值转成单行二维数组后用np.vstack垂直拼接：

import numpy as np

# 初始化0行5列的空二维数组，列数和字段数（id/uId/date/time/hr）对应
dataUser = np.empty((0, 5))

# 每次拿到一组单值后，先转成(1,5)形状的单行数组再拼接
new_row = np.array([[id_val, uId, date, time, hr]])
dataUser = np.vstack((dataUser, new_row))

• 不要用np.concatenate、np.append逐次拼接单个标量，这类方法不会自动给标量升维，很容易触发维度报错或者得到扁平化的一维数组。
• 逐次修改NumPy数组会每次重新分配内存拷贝全量数据，数据量越大运行速度越慢，优先选择列表收集+最后一次性转数组的方案。

内容的提问来源于stack exchange，提问作者AndreeaA