如何在for循环中将每次迭代生成的vector堆叠组合为matrix？

方案1：先收集中间结果最后转数组（最高效） #

numpy数组本身是固定大小的结构，循环中反复拼接会频繁触发内存重分配，性能较差。更简便的实现方式如下：

• 初始化一个空的Python列表存储每次生成的向量
• 每次循环直接把生成的向量append到列表中
• 循环结束后用np.array()直接转成矩阵即可

代码示例：

import numpy as np

all_vecs = []
for _ in range(3):
    # 替换为你自己的向量生成逻辑，示例为[1,2,3]/[4,5,6]/[7,8,9]
    current_vec = np.array([1,2,3])
    all_vecs.append(current_vec)

# 直接生成目标矩阵
matrix = np.array(all_vecs)

该方案完全不需要处理维度适配、首次拼接的特殊逻辑，实现成本最低。

方案2：用np.vstack实时堆叠 #

如果你确实需要每次循环结束就拿到更新后的完整矩阵，可以用np.vstack实现，它天生支持直接堆叠一维向量，不需要手动转成(1,N)格式的二维数组：

import numpy as np

# 初始化空矩阵，3对应你每个向量的长度，可根据场景修改
matrix = np.empty((0, 3), dtype=int)
for _ in range(3):
    # 替换为你自己的向量生成逻辑
    current_vec = np.array([1,2,3])
    matrix = np.vstack([matrix, current_vec])

如果向量长度是动态的，也可以用判断逻辑处理首次赋值：

import numpy as np

matrix = None
for _ in range(3):
    current_vec = np.array([1,2,3])
    if matrix is None:
        # 首次生成时仅需要加一次维度即可
        matrix = current_vec[np.newaxis, :]
    else:
        matrix = np.vstack([matrix, current_vec])

内容的提问来源于stack exchange，提问作者Conweezy