Python中如何将numpy数组行追加到另一数组且保留原有二维维度

问题根源 #

你现有代码存在两个核心错误：

• 每次命中条件时，你追加的是整个X数组，而非当前符合要求的单条子数组X[i]
• np.append默认会将输入数组扁平化后拼接，未指定axis参数时不会保留二维结构；如果你的数组A初始是一维空数组，也会导致拼接后整体降维。

最优解决方案（推荐） #

直接用numpy布尔索引一次性筛选符合条件的子数组，避免循环拼接，性能远高于逐行append：

# 生成筛选掩码
mask = X[:, split] <= n
# 筛选得到符合条件的二维子数组
filtered_X = X[mask]

# 如果A原本是空数组，直接赋值即可
A = filtered_X

# 如果A原本就有存量内容，拼接时指定axis=0沿行维度拼接
# 注意提前确保A的初始化是二维结构，比如空A要初始化为 np.empty((0, X.shape[1]), dtype=X.dtype)
# A = np.append(A, filtered_X, axis=0)

兼容循环的修改方案 #

如果你的业务逻辑必须保留循环（比如有额外复杂判断），修改原有代码如下：

# 首先初始化A为和X列数一致的二维空数组，不要初始化为一维的np.array([])
A = np.empty((0, X.shape[1]), dtype=X.dtype)

for i in range(len(X)):
    if X[i, split] <= n:
        # 用X[i:i+1]取到shape为(1, 4)的二维子数组，指定axis=0沿行拼接
        A = np.append(A, X[i:i+1], axis=0)

修改完成后调用A.shape即可得到类似(10, 4)的二维维度结果，完美保留子数组的独立结构。另外不建议使用已被numpy弃用的np.matrix类型，标准ndarray完全可以满足需求。

内容的提问来源于stack exchange，提问作者Nickell