未初始化数组场景下堆叠NumPy数组的最优实现方法是什么

推荐优先使用预收集切片+单次堆叠的写法，完全规避你遇到的所有问题，三个维度表现都是最优：

# 每次进入代码块先初始化空列表存储切片块
blocks = []
for i_bot, i_top in zip(bot_indices, top_indices):
    blocks.append(M[i_bot:i_top])
# 最后一次性堆叠得到结果
M_new = np.vstack(blocks)

方案优势 #

• 运行效率：远高于循环内反复调用np.vstack的实现。numpy数组是定长内存结构，每次调用vstack都会重新分配全量内存、复制所有已有数据，循环内多次调用时间复杂度为O(n²)；先将切片存入Python列表（append操作均摊时间复杂度O(1)）、最后单次堆叠的时间复杂度为O(n)，数据量越大性能优势越明显。
• 可读性：逻辑直白清晰，没有异常捕获的隐式逻辑，无需额外注释就能理解执行流程。
• 代码长度：比添加try/except的实现更简洁，也不需要额外的del操作清理变量，每次进入代码块时初始化空列表即可，天然避免嵌套循环中旧值残留的问题。

备选方案（仅适用于必须在循环内逐步生成结果的场景） #

如果业务逻辑要求必须在循环过程中拿到实时更新的M_new，可以用显式变量初始化替代try/except捕获NameError的写法：

# 进入循环前显式初始化标记值
M_new = None
for i_bot, i_top in zip(bot_indices, top_indices):
    if M_new is None:
        M_new = M[i_bot:i_top]
    else:
        M_new = np.vstack((M_new, M[i_bot:i_top]))

不推荐使用del M_new的方案清理变量：如果代码块中途抛出异常未执行到del语句，下次运行时仍会存在旧值残留问题，可靠性远低于每次进入代码块时显式初始化变量的实现。

内容的提问来源于stack exchange，提问作者xpius