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。

如果您需要具有预定义数字的矩阵，可以使用以下代码：

def matrix(rows, cols, start=0):
    return [[c + start + r * cols for c in range(cols)] for r in range(rows)]


assert matrix(2, 3, 1) == [[1, 2, 3], [4, 5, 6]]

如果您希望能够将其视为2D阵列，而不是被迫根据列表进行思考（在我看来更自然），可以执行以下操作：

import numpy
Nx=3; Ny=4
my2Dlist= numpy.zeros((Nx,Ny)).tolist()

结果是一个列表（不是NumPy数组），您可以用数字、字符串等覆盖各个位置。

如果你真的想要一个矩阵，你最好使用numpy。numpy中的矩阵运算通常使用二维数组类型。创建新阵列有多种方法；其中最有用的是zeros函数，它接受一个形状参数并返回一个给定形状的数组，值初始化为零：

>>> import numpy
>>> numpy.zeros((5, 5))
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]])

以下是创建二维数组和矩阵的一些其他方法（为了紧凑，去掉了输出）：

numpy.arange(25).reshape((5, 5))         # create a 1-d range and reshape
numpy.array(range(25)).reshape((5, 5))   # pass a Python range and reshape
numpy.array([5] * 25).reshape((5, 5))    # pass a Python list and reshape
numpy.empty((5, 5))                      # allocate, but don't initialize
numpy.ones((5, 5))                       # initialize with ones

numpy也提供了一种矩阵类型，但它不再推荐用于任何用途，将来可能会从numpy中删除。

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)]

可以通过将两个或多个方括号或第三个方括号（[]，用逗号分隔）与方括号嵌套来创建一个空的二维列表，如下所示：

Matrix = [[], []]

现在假设您想将1附加到矩阵[0][0]，然后键入：

Matrix[0].append(1)

现在，键入矩阵并按Enter键。输出将为：

[[1], []]

如果您输入以下语句

Matrix[1].append(1)

那么矩阵将是

[[], [1]]