创建零大小二维numpy数组及解决追加子数组时的报错问题

先理清楚你踩的坑： #

1. 初始数组创建错误：你用numpy.array([], dtype=numpy.uint8)生成的是一维空数组（shape=(0,)），强行reshape成(28,28)根本不可能——空数组没有元素，没法拆成28×28的结构，这一步本身就有问题。而且你说[[]]没生成二维？不对，numpy.array([[]], dtype=numpy.uint8)是标准的二维空数组（shape=(1,0)），但这也不符合你要的28列的需求。

2. 第一次concatenate参数错误：numpy.concatenate要求第一个参数是数组组成的序列（比如元组或列表），你直接传image, sub_image两个参数，相当于把第一个数组当轴来用，自然报索引错误。

3. 第二次维度不匹配错误：你初始的数组维度和子块不兼容——子块是(28,28)，而你错误创建的数组要么是一维，要么是列数为0的二维，拼接时列数（axis=1）不一致，所以报错。

正确的实现方式： #

方式一：先收集子块，最后一次性拼接（高效）

既然知道每次要加的是28×28的块，先把所有子块存在普通列表里，最后用concatenate一次性合并，避免多次内存复制：

import numpy as np

# 初始化一个列表存子图像块
sub_blocks = []

# 模拟生成几个28×28的子块
for _ in range(5):
    sub_image = np.random.randint(0, 256, size=(28,28), dtype=np.uint8)
    sub_blocks.append(sub_image)

# 一次性拼接成大数组（沿着行方向，最终shape是(140,28)）
final_image = np.concatenate(sub_blocks, axis=0)
# 如果是沿着列方向拼接，最终shape是(28,140)
# final_image = np.concatenate(sub_blocks, axis=1)

方式二：动态追加（适合不确定子块数量的场景）

如果必须动态追加，先初始化一个列数为28的二维空数组，确保和子块的列数一致：

import numpy as np

# 初始化二维空数组，shape=(0,28)，和子块列数匹配
final_image = np.empty((0,28), dtype=np.uint8)

# 模拟追加子块
for _ in range(3):
    sub_image = np.random.randint(0, 256, size=(28,28), dtype=np.uint8)
    # 沿着axis=0拼接，行增加
    final_image = np.concatenate([final_image, sub_image], axis=0)

关于效率的补充 #

你说的没错，每次用concatenate都会重新分配内存并复制数据，频繁操作会很慢。所以优先用列表收集+一次性拼接的方式，或者如果能提前知道最终数组的大小（比如要加100个28×28的块，最终shape是(2800,28)），直接预先分配数组然后填充，效率更高：

import numpy as np

# 预先分配数组，shape=(28*100,28)
final_image = np.empty((2800,28), dtype=np.uint8)

# 逐个填充子块
for i in range(100):
    sub_image = np.random.randint(0,256,size=(28,28),dtype=np.uint8)
    final_image[i*28 : (i+1)*28] = sub_image

内容的提问来源于stack exchange，提问作者user2138149