Python numpy.insert函数方法的使用

NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中insert方法的使用。

numpy.insert

numpy.insert(arr, obj, values, axis=None) [source]

沿给定轴在给定索引之前插入值。

参数：

arr ：array_like

输入数组。

obj ：int, slice 或 int的sequence

定义在其之前插入值的一个或多个索引的对象。

1.8.0版中的新功能。

当obj是单个标量或具有一个元素的序列时，

支持多次插入（类似于多次调用insert）。

values ：array_like

要插入到arr中的值。如果值的类型与arr的类型不同，

则将值转换为arr的类型。

值的形状应使arr [...，obj，...] = values合法。

axis ：int, 可选

沿其插入值的轴。如果axis为None，则arr首先扁平。

返回值：

out ：ndarray

插入了值的arr副本。请注意，insert不会就地发生：

返回一个新数组。如果axis为None，则out是一个扁平数组。

Notes

请注意，对于高维插入，obj = 0的行为与obj = [0]的行为非常不同，就像arr [:,0,:] = values 与arr [:,[0],:] = values是不同的一样。

例子

>>> a = np.array([[1, 1], [2, 2], [3, 3]])>>> aarray([[1, 1],       [2, 2],       [3, 3]])>>> np.insert(a, 1, 5)array([1, 5, 1, ..., 2, 3, 3])>>> np.insert(a, 1, 5, axis=1)array([[1, 5, 1],       [2, 5, 2],       [3, 5, 3]])

序列和标量之间的区别：

>>> np.insert(a, [1], [[1],[2],[3]], axis=1)array([[1, 1, 1],       [2, 2, 2],       [3, 3, 3]])>>> np.array_equal(np.insert(a, 1, [1, 2, 3], axis=1),...                np.insert(a, [1], [[1],[2],[3]], axis=1))True

>>> b = a.flatten()>>> barray([1, 1, 2, 2, 3, 3])>>> np.insert(b, [2, 2], [5, 6])array([1, 1, 5, ..., 2, 3, 3])

>>> np.insert(b, slice(2, 4), [5, 6])array([1, 1, 5, ..., 2, 3, 3])

>>> np.insert(b, [2, 2], [7.13, False]) # type castingarray([1, 1, 7, ..., 2, 3, 3])

>>> x = np.arange(8).reshape(2, 4)>>> idx = (1, 3)>>> np.insert(x, idx, 999, axis=1)array([[  0, 999,   1,   2, 999,   3],       [  4, 999,   5,   6, 999,   7]])

文档：numpy.insert.html