预分配在一次调用中分配了您需要的所有内存，而调整数组的大小（通过对append，insert，concatenate或resize的调用）可能需要将数组复制到更大的内存块中。因此，您是正确的，相比于调整大小，预分配是首选的（并且应该比调整大小要快）。
根据您要创建的内容，有许多“首选”方法可以预分配numpy数组。有
np.zeros，
np.ones，
np.empty，
np.zeros_like，
np.ones_like，和
np.empty_like，和其他许多人创建了有用的阵列，如
np.linspace，和
np.arange。
所以
ar0 = np.linspace(10, 20, 16).reshape(4, 4)
如果这最接近
ar0您的期望，那就很好了。
但是，要使最后一列全为1，我认为首选的方法是说
ar0[:,-1]=1
由于形状
ar0[:,-1]为
(4,)，因此广播1以匹配该形状。
