numpy 中有动态数组吗？
Are there dynamic arrays in numpy?
假设我创建了 2 个 numpy 数组，其中一个是空数组，另一个大小为 1000x1000，由零组成：
import numpy as np;
A1 = np.array([])
A2 = np.zeros([1000,1000])
当我想更改 A2 中的值时，这似乎工作正常：
A2[n,m] = 17
以上代码会将A2中位置[n][m]的值改为17。
当我用 A1 尝试上述操作时，出现此错误：
A1[n,m] = 17
IndexError: index n is out of bounds for axis 0 with size 0
我知道为什么会这样，因为A1中没有定义位置[n,m]，这是有道理的，但我的问题如下：
如果在 n 或 m 或两者都大于数组 A 的边界时输入 A[n,m] = somevalue，是否有一种方法可以定义动态数组而不用新行和新列更新数组？
它不必在 numpy 中，任何可以更新数组大小的库或方法都很棒。如果它是一种方法，我可以想象有一个 if 循环来检查 [n][m] 是否超出范围并对其进行处理。
我有 MATLAB 背景，可以很容易地做到这一点。我试图在 numpy.array 的文档中找到与此相关的内容，但一直没有成功。
编辑：
我想知道在 Python 中是否可以通过某种方式创建动态列表，而不仅仅是在 numpy 库中。从这个问题看来，它不适用于 numpy Creating a dynamic array using numpy in python.
这在 numpy 中无法完成，技术上也无法在 MATLAB 中完成。 MATLAB 在幕后所做的是创建一个全新的矩阵，然后将所有数据复制到新矩阵，然后删除旧矩阵。它 不是 动态调整大小，由于 arrays/matrices 的工作方式，这实际上是不可能的。这非常慢，尤其是对于大型阵列，这就是为什么 MATLAB 现在警告您不要这样做。
Numpy 和 MATLAB 一样，不能调整数组的大小（实际上，与 MATLAB 不同，它在技术上可以，但前提是你很幸运，所以我建议不要尝试）。但是为了避免这在 MATLAB 中导致的混乱和缓慢的代码，numpy 要求您显式创建新数组（使用 np.zeros）然后复制数据。
Python，不像MATLAB，实际上确实有一个真正可调整大小的数据结构：list。列表仍然需要有足够的元素，因为这避免了在 MATLAB 中难以捕获的静默索引错误，但您可以调整数组的大小并获得非常好的性能。您可以使用列表的嵌套列表来创建有效的 n 维列表。然后，列表完成后，您可以将其转换为 numpy 数组。
假设我创建了 2 个 numpy 数组，其中一个是空数组，另一个大小为 1000x1000，由零组成：
import numpy as np;
A1 = np.array([])
A2 = np.zeros([1000,1000])
当我想更改 A2 中的值时，这似乎工作正常：
A2[n,m] = 17
以上代码会将A2中位置[n][m]的值改为17。
当我用 A1 尝试上述操作时，出现此错误：
A1[n,m] = 17
IndexError: index n is out of bounds for axis 0 with size 0
我知道为什么会这样，因为A1中没有定义位置[n,m]，这是有道理的，但我的问题如下：
如果在 n 或 m 或两者都大于数组 A 的边界时输入 A[n,m] = somevalue，是否有一种方法可以定义动态数组而不用新行和新列更新数组？
它不必在 numpy 中，任何可以更新数组大小的库或方法都很棒。如果它是一种方法，我可以想象有一个 if 循环来检查 [n][m] 是否超出范围并对其进行处理。
我有 MATLAB 背景，可以很容易地做到这一点。我试图在 numpy.array 的文档中找到与此相关的内容，但一直没有成功。
编辑： 我想知道在 Python 中是否可以通过某种方式创建动态列表，而不仅仅是在 numpy 库中。从这个问题看来，它不适用于 numpy Creating a dynamic array using numpy in python.
这在 numpy 中无法完成，技术上也无法在 MATLAB 中完成。 MATLAB 在幕后所做的是创建一个全新的矩阵，然后将所有数据复制到新矩阵，然后删除旧矩阵。它 不是 动态调整大小，由于 arrays/matrices 的工作方式，这实际上是不可能的。这非常慢，尤其是对于大型阵列，这就是为什么 MATLAB 现在警告您不要这样做。
Numpy 和 MATLAB 一样，不能调整数组的大小（实际上，与 MATLAB 不同，它在技术上可以，但前提是你很幸运，所以我建议不要尝试）。但是为了避免这在 MATLAB 中导致的混乱和缓慢的代码，numpy 要求您显式创建新数组（使用 np.zeros）然后复制数据。
Python，不像MATLAB，实际上确实有一个真正可调整大小的数据结构：list。列表仍然需要有足够的元素，因为这避免了在 MATLAB 中难以捕获的静默索引错误，但您可以调整数组的大小并获得非常好的性能。您可以使用列表的嵌套列表来创建有效的 n 维列表。然后，列表完成后，您可以将其转换为 numpy 数组。