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。

objint, 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。

axisint, 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]])
>>> a
array([[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()
>>> b
array([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 casting
array([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

推荐阅读
cjavapy编程之路首页