行是一个343x30的实数矩阵。我试图将行向量从行附加到真行和假行，但它只添加第一行，之后什么都不做。我试过vstack，也试过把example作为2d数组([example](，但它破坏了我的pycharm。我能做什么？
true_rows = []
true_labels = []
false_rows = []
false_labels = []
i = 0
for example in rows:
if question.match(example):
true_rows = np.append(true_rows , example , axis=0)
true_labels.append(labels[i])
else:
#false_rows = np.vstack(false_rows, example_t)
false_rows = np.append(false_rows, example, axis=0)
false_labels.append(labels[i])
i += 1
您只能使用一个简单的列表来附加行，然后将该列表转换为numpy数组，例如：
exemple1 = np.array([1,2,3,4,5])
exemple2 = np.array([6,7,8,9,10])
exemple3 = np.array([11,12,13,14,15])
true_rows = []
true_rows.append(exemple1)
true_rows.append(exemple2)
true_rows.append(exemple3)
true_rows = np.array(true_rows)
你会得到这样的结果：
true_rows = array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10],
[11, 12, 13, 14, 15]])
如果你想得到这样的一维数组，你也可以使用np.concatenate：
true_rows = np.concatenate(true_rows , axis =0)
你会得到这样的结果：
true_rows = array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])
您对[]和np.append的使用表明您正在尝试用数组模拟常见的列表附加模型。您至少阅读了足够多的np.append文档，知道您需要使用axis，并且它返回了一个新数组(文档非常清楚，这是一个副本(。
但是，您是否用一个小例子测试了这个想法，并实际查看结果(一步一步(？
In [326]: rows = []
In [327]: rows = np.append(rows, np.arange(3), axis=0)
In [328]: rows
Out[328]: array([0., 1., 2.])
In [329]: rows.shape
Out[329]: (3,)
第一个追加没有任何作用——结果与arange(3)相同。
In [330]: rows = np.append(rows, np.arange(3), axis=0)
In [331]: rows
Out[331]: array([0., 1., 2., 0., 1., 2.])
In [332]: rows.shape
Out[332]: (6,)
你明白为什么吗？我们将轴0上的2个1d数组连接起来，形成一个1d。
使用[]作为起始点与使用此阵列相同：
In [333]: np.array([])
Out[333]: array([], dtype=float64)
In [334]: np.array([]).shape
Out[334]: (0,)
对于axis，np.append只是对concatenate:的调用
In [335]: np.concatenate(( [], np.arange(3)), axis=0)
Out[335]: array([0., 1., 2.])
np.append排序看起来像列表追加，但它不是克隆。这实际上只是一种命名不好的使用concatenate的方法。如果不真正了解尺寸，就无法正确使用它。np.append有一个例子，其中有一个与concatenate非常相似的错误。
在循环中重复使用这些阵列concatenates不是一个好主意。正如你所发现的，很难把尺寸弄对。即使它有效，它也很慢，因为每一步都会产生一个副本(随着迭代而增长(。
这就是为什么另一个答案坚持列表附加。
vstack类似于轴为0的concatenate，但它确保所有参数都是2d。但如果数字列不同，就会引发一个错误：
In [336]: np.vstack(( [],np.arange(3)))
Traceback (most recent call last):
File "<ipython-input-336-22038d6ef0f7>", line 1, in <module>
np.vstack(( [],np.arange(3)))
File "<__array_function__ internals>", line 180, in vstack
File "/usr/local/lib/python3.8/dist-packages/numpy/core/shape_base.py", line 282, in vstack
return _nx.concatenate(arrs, 0)
File "<__array_function__ internals>", line 180, in concatenate
ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 1, the array at index 0 has size 0 and the array at index 1 has size 3
In [337]: np.vstack(( [0,0,0],np.arange(3)))
Out[337]:
array([[0, 0, 0],
[0, 1, 2]])
如果所有要连接的都是(n，30(数组的行，那么您确实知道结果的列大小。
In [338]: res = np.zeros((0,3))
In [339]: np.vstack(( res, np.arange(3)))
Out[339]: array([[0., 1., 2.]])
如果你注意形状的细节，就可以迭代地创建一个数组。
但是与其逐个收集行，为什么不创建一个mask并进行一次收集呢。
大致做
mask = np.array([question.match(example) for example in rows])
true_rows = rows[mask]
false_rows = rows[~mask]
这仍然需要迭代，但总体上应该更快。