如何在NumPy中一次性扩展带命名的n维矩阵？

首选：用Pandas DataFrame（最省心） #

NumPy本身没有原生支持行列标签的功能，而Pandas的DataFrame就是专门处理这类带标签二维数据的工具，扩展操作超简洁：

• 从0×0空结构起步：

import pandas as pd
df = pd.DataFrame()

• 扩展成(1,1)矩阵：
  直接指定行索引和列名创建，比拼接操作高效得多：

df = pd.DataFrame([[0]], index=['First'], columns=['First'])

输出效果：

First
First       0

• 扩展成(2,2)矩阵：
  直接添加新列和新行，一行代码搞定一个维度：

df['Second'] = 0  # 添加新列
df.loc['Second'] = 0  # 添加新行

输出效果：

First  Second
First        0       0
Second       0       0

如果需要循环逐步扩展（比如从1×1迭代到n×n），可以这么写：

df = pd.DataFrame()
# 示例：扩展到3×3矩阵
for i in range(1, 4):
    new_label = f'Item{i}'
    df[new_label] = 0
    df.loc[new_label] = 0

纯NumPy方案（需手动维护标签） #

如果必须使用NumPy，就得单独维护行名和列名列表，再配合数组扩展操作：

• 初始化：

import numpy as np
arr = np.array([]).reshape(0, 0)
row_names = []
col_names = []

• 扩展到(1,1)矩阵：

row_names.append('First')
col_names.append('First')
# 用pad方法扩展数组，填充0
arr = np.pad(arr, pad_width=((0,1), (0,1)), mode='constant', constant_values=0)

想要打印出带名称的对齐效果，需要自己编写格式化代码：

# 计算名称最长长度，保证输出对齐
max_col_len = max(len(name) for name in col_names)
max_row_len = max(len(name) for name in row_names)

# 打印表头
print(' '*(max_row_len + 2) + ' '.join(f'{name:<{max_col_len}}' for name in col_names))
# 打印每行数据
for row_name, row_vals in zip(row_names, arr):
    print(f'{row_name:<{max_row_len + 2}}' + ' '.join(f'{val:<{max_col_len}}' for val in row_vals))

• 扩展到(2,2)矩阵：

row_names.append('Second')
col_names.append('Second')
arr = np.pad(arr, pad_width=((0,1), (0,1)), mode='constant', constant_values=0)

运行上述打印代码就能得到你需要的格式。

总结：如果核心需求是带行列名的矩阵扩展，Pandas绝对是最简便的选择，比纯NumPy节省大量手动维护标签和格式的工作；若必须使用NumPy，则需要自行维护标签列表并处理输出格式化。

内容的提问来源于stack exchange，提问作者Guy Eric Matz