numpy.insert#

numpy.insert(arr, obj, values, axis=None)[源代码]#

在给定索引之前，沿给定轴插入值。

参数:
arrarray_like

输入数组。

objslice, int, 整数或布尔值的类数组

定义 values 插入位置之前的索引或多个索引的对象。

在 2.1.2 版本中变更: 布尔索引现在被视为要插入元素的掩码，而不是转换为整数 0 和 1。

当 obj 是单个标量或只有一个元素的序列时，支持多次插入（类似于多次调用 insert）。

valuesarray_like

要插入到 arr 中的值。如果 values 的类型与 arr 的类型不同，则 values 将转换为 arr 的类型。values 的形状应该使得 arr[...,obj,...] = values 合法。

axisint, 可选

沿其插入 values 的轴。如果 axis 为 None，则首先展平 arr。

返回:
outndarray

插入 values 的 arr 的副本。 请注意，insert 不是原地操作：它会返回一个新的数组。如果 axis 为 None，则 out 是一个扁平化数组。

另请参阅

append

在数组末尾追加元素。

concatenate

沿现有轴连接数组序列。

delete

从数组中删除元素。

备注

请注意，对于高维插入，obj=0 的行为与 obj=[0] 非常不同，就像 arr[:,0,:] = values 与 arr[:,[0],:] = values 不同。这是因为基本索引和高级索引之间的差异。

示例

>>> import numpy as np
>>> a = np.arange(6).reshape(3, 2)
>>> a
array([[0, 1],
       [2, 3],
       [4, 5]])
>>> np.insert(a, 1, 6)
array([0, 6, 1, 2, 3, 4, 5])
>>> np.insert(a, 1, 6, axis=1)
array([[0, 6, 1],
       [2, 6, 3],
       [4, 6, 5]])

序列和标量之间的差异，展示了 obj=[1] 的行为与 obj=1 的不同

>>> np.insert(a, [1], [[7],[8],[9]], axis=1)
array([[0, 7, 1],
       [2, 8, 3],
       [4, 9, 5]])
>>> np.insert(a, 1, [[7],[8],[9]], axis=1)
array([[0, 7, 8, 9, 1],
       [2, 7, 8, 9, 3],
       [4, 7, 8, 9, 5]])
>>> np.array_equal(np.insert(a, 1, [7, 8, 9], axis=1),
...                np.insert(a, [1], [[7],[8],[9]], axis=1))
True

>>> b = a.flatten()
>>> b
array([0, 1, 2, 3, 4, 5])
>>> np.insert(b, [2, 2], [6, 7])
array([0, 1, 6, 7, 2, 3, 4, 5])

>>> np.insert(b, slice(2, 4), [7, 8])
array([0, 1, 7, 2, 8, 3, 4, 5])

>>> np.insert(b, [2, 2], [7.13, False]) # type casting
array([0, 1, 7, 0, 2, 3, 4, 5])

>>> 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]])
在本页中