试试看：

rows = int(input('Enter rows\n'))
my_list = []
for i in range(rows):
    my_list.append(list(map(int, input().split())))

使用NumPy，可以如下初始化空矩阵：

import numpy as np
mm = np.matrix([])

然后像这样附加数据：

mm = np.append(mm, [[1,2]], axis=1)

使用列表：

matrix_in_python  = [['Roy',80,75,85,90,95],['John',75,80,75,85,100],['Dave',80,80,80,90,95]]

通过使用dict：您还可以将这些信息存储在哈希表中，以便快速搜索，例如

matrix = { '1':[0,0] , '2':[0,1],'3':[0,2],'4' : [1,0],'5':[1,1],'6':[1,2],'7':[2,0],'8':[2,1],'9':[2,2]};

矩阵['1']将在O（1）时间内给出结果

*nb：你需要处理哈希表中的冲突

为便于阅读而重写：

# 2D array/ matrix

# 5 rows, 5 cols
rows_count = 5
cols_count = 5

# create
#     creation looks reverse
#     create an array of "cols_count" cols, for each of the "rows_count" rows
#        all elements are initialized to 0
two_d_array = [[0 for j in range(cols_count)] for i in range(rows_count)]

# index is from 0 to 4
#     for both rows & cols
#     since 5 rows, 5 cols

# use
two_d_array[0][0] = 1
print two_d_array[0][0]  # prints 1   # 1st row, 1st col (top-left element of matrix)

two_d_array[1][0] = 2
print two_d_array[1][0]  # prints 2   # 2nd row, 1st col

two_d_array[1][4] = 3
print two_d_array[1][4]  # prints 3   # 2nd row, last col

two_d_array[4][4] = 4
print two_d_array[4][4]  # prints 4   # last row, last col (right, bottom element of matrix)

在Python中，您将创建一个列表列表。您不必提前声明维度，但可以这样做。例如：

matrix = []
matrix.append([])
matrix.append([])
matrix[0].append(2)
matrix[1].append(3)

现在矩阵[0][0]==2，矩阵[1][0]==3。您还可以使用列表理解语法。本示例使用它两次来构建“二维列表”：

from itertools import count, takewhile
matrix = [[i for i in takewhile(lambda j: j < (k+1) * 10, count(k*10))] for k in range(10)]

如果你只需要一个二维容器来容纳一些元素，你可以方便地使用字典来代替：

Matrix = {}

然后您可以执行以下操作：

Matrix[1,2] = 15
print Matrix[1,2]

这是因为1，2是一个元组，您将其用作索引字典的键。结果类似于哑稀疏矩阵。

如osa和Josap Valls所示，您还可以使用Matrix=collections.defaultdict（lambda:0），以便丢失的元素具有默认值0。

Vatsal进一步指出，这种方法对于大型矩阵可能不是很有效，只应在代码的非性能关键部分使用。