numpy.insert#

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

在给定轴的给定索引之前插入值。

参数:
arrarray_like

输入数组。

objslice，int，整数或布尔值的数组状对象

定义 values 将要插入其之前的索引的对象。

版本 2.1.2 已更改： 布尔索引现在被视为要插入的元素的掩码，而不是被转换为整数 0 和 1。

当 obj 是单个标量或包含一个元素的序列时，支持多次插入（类似于多次调用 insert）。

valuesarray_like

arr 中要插入的值。如果 values 的类型与 arr 不同，则 values 将被转换为 arr 的类型。values 的形状应使 arr[...,obj,...] = values 合法。

axisint, optional

插入 values 的轴。如果 axis 为 None，则 arr 将首先被展平。

返回:
outndarray

包含插入 values 后的 arr 的副本。请注意，insert 不是就地操作的：它会返回一个新数组。如果 axis 为 None，则 out 是一个展平的数组。

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，对于更高维度的插入，obj=0 的行为与 obj=[0] 的行为截然不同，这就像 arr[:,0,:] = values 与 arr[:,[0],:] = values 之间的区别一样。这是因为基础和高级索引之间存在差异。

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]])

序列和标量之间的区别，显示 obj=[1] 的行为与 obj=1 的行为不同。

>>> 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]])
在此页面