在Python中，如果你想将每个列（col）追加到一个空的NumPy数组（np.array）中，你可以使用多种方法。这里我将展示两种常见的方法：逐列追加和一次性构建数组。
首先，确保你已经导入了NumPy库：
python
import numpy as np
方法1：逐列追加
如果你想逐列追加数据到一个空的NumPy数组中，你可以使用np.append函数或者np.hstack（水平堆叠）函数。但是要注意，由于NumPy数组的大小在内存中是固定的，逐元素或逐列追加在大数据集上可能效率不高，因为每次追加都会创建数组的一个新副本。

# 创建一个空的NumPy数组（初始时可能不知道最终的列数或行数）
# 这里我们先创建一个空数组，然后设置其形状为(0, 列数) —— 0行，列数可以根据第一列确定
empty_array = np.array([])  # 或者用 np.empty((0, 你预期的列数), dtype=你的数据类型)

# 假设你有以下几个列向量需要追加
col1 = np.array([1, 2, 3])
col2 = np.array([4, 5, 6])
col3 = np.array([7, 8, 9])

# 逐列追加
# 注意：如果empty_array是空的，第一次追加时需要指定axis=0来按行追加（实际上是作为列追加，因为我们是转置的视角）
# 之后的追加则可以直接使用hstack或者调整形状后使用append
if empty_array.size == 0:  # 检查是否为空
    empty_array = col1.reshape(-1, 1)  # 将第一列转换为列向量
else:
    empty_array = np.hstack((empty_array, col2.reshape(-1, 1)))  # 水平堆叠
    # 或者使用 append，但通常 hstack 在追加列时更直观
    # empty_array = np.append(empty_array, col2.reshape(-1, 1), axis=1)

# 继续追加其他列
empty_array = np.hstack((empty_array, col3.reshape(-1, 1)))

print(empty_array)

方法2：一次性构建数组
如果你事先知道所有列，最高效的方式是一次性构建整个数组，而不是逐列追加。

# 直接将所有列合并
cols = [col1, col2, col3]  # 假设这是你要追加的所有列
# 使用 column_stack 或者直接转置后合并
full_array = np.column_stack(cols)
# 或者
# full_array = np.array(cols).T  # T 表示转置，因为 cols 是行列表

print(full_array)

在实际情况中，推荐尽可能使用第二种方法（一次性构建数组），因为它避免了多次复制数据，从而提高了效率。如果你确实需要逐步构建数组，考虑使用列表来收集数据，然后最后将其转换为NumPy数组。