NumPy循环追加数据出现初始零值及添加列名咨询

你初始化new_table时使用np.zeros(shape=(4,1),dtype=object)预先创建了4行值为0的元素，后续np.append是在已有数组的尾部追加新内容，因此开头的4个初始零值会被保留。

方案1：修正初始化参数 #

将初始数组的行数设为0，即可避免预置零值：

new_table = np.zeros(shape=(0,1), dtype=object) 

for i in y:   
    # 自定义计算逻辑生成result
    new_table = np.append(new_table, np.array([result]), axis=0) 

方案2：优先用列表收集结果再转数组（性能更优） #

np.append每次执行都会复制全量数组生成新对象，循环次数较多时性能很差。更推荐先用普通Python列表收集所有结果，最后一次性转为numpy数组：

result_cache = []
for i in y:
    # 自定义计算逻辑生成result
    result_cache.append([result])
new_table = np.array(result_cache, dtype=object)

原生numpy无列名属性的普通数组不支持绑定列名，可根据需求选择以下两种方案：

方案1：使用numpy结构化数组（无需额外依赖） #

从输出看每个result包含4个固定结构的元素，可以定义带字段名的结构化dtype，直接生成带列名的数组：

result_cache = []
for i in y:
    # 自定义计算逻辑生成result，格式为(标签, x值, y值, 指标值)
    result_cache.append(result)

# 定义每个列的名称和对应数据类型
table_dtype = [
    ('label', 'i4'),
    ('x_coord', 'f8'),
    ('y_coord', 'f8'),
    ('metric', 'f8')
]
new_table = np.array(result_cache, dtype=table_dtype)

后续可直接通过列名索引数据，例如执行new_table['metric']即可提取所有指标列的值。

方案2：使用pandas DataFrame（适合表格类操作） #

如果需要做更多筛选、统计类表格操作，可使用pandas生成带列名的表结构，需要时可随时转回numpy数组：

import pandas as pd

result_cache = []
for i in y:
    # 自定义计算逻辑生成result
    result_cache.append(result)

# 生成带列名的DataFrame
df = pd.DataFrame(
    result_cache,
    columns=['label', 'x_coord', 'y_coord', 'metric'] # 按需传入自定义列名即可
)
# 如需转回numpy数组，调用df.values即可
new_table = df.values

内容的提问来源于stack exchange，提问作者user16454053