我定义了两个NumPy数组：
PREtrain_labels = np.asarray([inpLblsArray[0:80]])train_labels = np.array([])TRstore = 0i = 0while i < len(train_images): TRstore = np.asarray([PREtrain_labels.item(i)]) np.append(train_labels, TRstore) i = i + 1这里，我有一个NumPy数组PREtrain_labels，它包含整数，并且是从一个更大的NumPy数组中切片得到的。我定义了一个空数组train_labels。我的目标是用PREtrain_labels数组中选定的整数切片填充空的NumPy数组（train_labels）。但有一个问题，当我从PREtrain_labels数组中取出每个整数时，我希望每个整数被放入另一个名为TRstore的空数组中。然后，我希望将TRstoreNumPy数组放入空的train_labels数组中。然而，当我运行代码并打印最终的train_labels数组时，它是空的。
我该如何解决这个问题？如果np.append()不是正确的使用方法，那么我应该使用哪个方法？上面的代码无法单独运行，因此，我将我的代码简化为下面的可运行版本。提前感谢！
loopArr = np.array([1, 2, 3, 4, 5])a = np.asarray([1, 2, 3, 4, 5])target = np.array([])store = 0i = 0while i < len(loopArr): store = np.asarray([a.item(i)]) np.append(target, store) i = i + 1print(target)回答：
In [30]: res = np.array([]) In [31]: np.append(res, np.array(1)) Out[31]: array([1.])In [32]: res Out[32]: array([], dtype=float64)Out[31}是一个包含一个元素的浮点数组 – 因为res是浮点型。但请注意，res没有改变。np.append只是对np.concatenate的一个不完善的“封装”。
concatenate对输入的维度要求更严格
In [33]: np.concatenate([ res, np.array(1)]) ---------------------------------------------------------------------------ValueError Traceback (most recent call last)<ipython-input-33-bb45ea1930d0> in <module>----> 1 np.concatenate([ res, np.array(1)])<__array_function__ internals> in concatenate(*args, **kwargs)ValueError: all the input arrays must have same number of dimensions, but the array at index 0 has 1 dimension(s) and the array at index 1 has 0 dimension(s)In [34]: np.concatenate([ res, np.array([1])]) Out[34]: array([1.])这将一个形状为(0,)的数组与一个形状为(1,)的数组连接，产生一个形状为(1,)的数组。那个[]数组几乎没有用处。
concatenate可以接受一个包含多个数组（甚至是列表）的列表。利用这一点：
In [35]: np.concatenate([np.array([1]), np.array([2]), [3], [1,2,3]]) Out[35]: array([1, 2, 3, 1, 2, 3])但你为什么要在循环中使用append？为什么不使用列表追加？列表追加是原地操作，相对快速且无错误。为什么要让自己生活变得艰难？
