如何创建指定维度的真正空的NumPy多维数组？

这是个非常典型的疑问——刚接触NumPy时，很多人都会被np.empty()的行为搞懵：明明叫“empty”，结果出来的数组里全是奇怪的极小值，根本不是“空”的！

首先得明确一个核心点：从NumPy数组的内存结构来说，不存在“完全没有值”且具有非零维度的数组。因为NumPy数组是底层连续内存块的封装，每个元素位置都对应固定字节的内存空间——哪怕你没主动初始化，这块内存里本来就有残留的垃圾数据（也就是np.empty()返回的那些奇怪数值），不可能真的“空着”。

那如果我们想要表达“这个数组的位置应该没有有效数据”的需求，有几种实用的替代方案：

1. 用NaN填充（浮点型数组首选） #

NaN（Not a Number）是浮点类型的特殊值，专门用来表示缺失或无效数据，NumPy的大多数数值计算函数都会识别并跳过NaN（比如np.nanmean()会忽略NaN计算均值）。你可以用np.full()快速创建指定形状的NaN数组：

import numpy as np

# 创建3行1列的NaN数组
nan_array = np.full((3, 1), np.nan)
print(nan_array)
# 输出：
# [[nan]
#  [nan]
#  [nan]]

2. 用自定义标记值（整数/其他类型数组） #

如果你的数组是整数类型（NaN是浮点型，不能直接用在整数数组里），可以选一个不会出现在有效数据里的特殊值作为“空”的标记，比如-999、-1这类：

# 创建3行1列的整数数组，用-1标记空值
int_placeholder_array = np.full((3, 1), -1)
print(int_placeholder_array)
# 输出：
# [[-1]
#  [-1]
#  [-1]]

3. 创建元素数量为0的“真正空数组” #

如果你想要的是完全没有元素的数组（维度存在但元素个数为0），可以直接指定形状里包含0：

zero_element_array = np.empty((0, 1))
print(zero_element_array.shape)  # 输出 (0, 1)
print(len(zero_element_array))   # 输出 0

不过这种数组和你要的(3,1)形状的数组完全不同——它没有任何元素，通常用来作为数据收集的初始容器，而不是表示“3个空位置”。

总结一下：如果你需要的是指定非零维度（比如3行1列）但每个位置没有有效数据，那只能用NaN或自定义标记值来模拟“空”的状态；如果是要完全没有元素的空数组，那可以创建包含0的形状。

内容的提问来源于stack exchange，提问作者cerebrou