如何在Python中逐行创建nxm ndarray？解决堆叠报错及首行非零问题

首先，你的代码出现ValueError的核心原因有两个：

1. 没有保存堆叠结果：每次调用np.stack([myarray, row])后，你没有把结果重新赋值给myarray，导致myarray始终是初始的一维数组（shape=(n,)），后续循环里反复用一维数组和新行堆叠，维度逻辑完全混乱。
2. 初始数组维度错误：你想要创建的是二维n×m数组（假设m是行数，对应循环的5次），但初始的np.empty(n)是一维数组，和后续生成的一维行数组堆叠时，很容易出现维度不匹配的问题，而且np.empty生成的是未初始化的垃圾值，也不是你想要的“非零第一行”。

最符合Python风格的解决方案：先收集行，再一次性转换 #

这种方法既高效又简洁，完全不需要if-else，也不用提前初始化数组：

import numpy as np

# 用列表收集所有计算得到的行（列表append比numpy反复堆叠高效得多）
row_list = []
for index in range(5):  # 这里的5对应你要的行数m
    row = do_some_calculations(index)  # 返回长度为n的一维数组
    row_list.append(row)

# 将列表直接转换为二维ndarray
myarray = np.array(row_list)

如果想要更紧凑的写法，还可以用列表推导式：

myarray = np.array([do_some_calculations(index) for index in range(5)])

这样生成的myarray就是shape=(5, n)的二维数组，第一行就是do_some_calculations(0)的计算结果，完全不会有零值或垃圾值，完美符合你的需求。

可选：循环中逐步构建数组（适合超大行数场景） #

如果你的计算量极大，无法一次性把所有行存在列表里，可以先处理第一行，再循环堆叠后续行，同样不需要if-else：

import numpy as np

# 直接用第一个计算结果初始化二维数组
myarray = do_some_calculations(0).reshape(1, -1)  # reshape成(1, n)的二维结构

for index in range(1, 5):
    row = do_some_calculations(index)
    myarray = np.vstack([myarray, row])

不过这种方法每次堆叠都会重新分配内存，行数多的时候性能不如列表收集的方式，所以优先推荐第一种方案。

内容的提问来源于stack exchange，提问作者Alex