numpy.ndarray添加元素

numpy.ndarray添加元素

平常使用的比较多的是list，在list后面添加元素直接是

data_list = []
data_list.append(0)

就可以了。

但是在上次使用这个用法时，报错numpy.adarray没有append这个属性，因此发现data_list这个变量不是一个list，而是numpy.ndarray类型的，因此改为：

np.append(data_list, 0)

但是这样改完之后会发现data_list的值并没有发生改变，因此，我改为

data_list = np.append(data_list, 0)

然后由于添加了一个元素，他会告诉你，等号右边是x+1维，左边是x维，不能赋值，然后改为：

new_list = np.append(data_list, 0)

定义了一个新变量new_list用于保存添加完元素的值，后面再接着使用new_list进行操作就可以了。

Numpy:数组(Ndarray)之元素添加、删除和修改

数组也是一个可变类型，可以对数组中的元素进行添加、删除和修改，本文详细介绍了对数组元素的添加和删除的操作，以及这两种操作的方法均已列出。数组元素的修改操作简单，只要对索引和切片掌握，使用索引和切片获取到元素后赋值就可以实现。

添加元素

numpy.append()

在数组末尾追加元素。

numpy.append(arr, values, axis=None)

参数说明：

• arr：接收array_like，需要添加元素的数组。
• values：接收array_like，追加到末尾的元素，形状必须匹配。arr和values的维度必须相等才能追加
• axis：接收int，如果未给定轴，则arr和values在使用前都会被展平。

返回值：

• ndarray，arr的副本。

示例：

# 创建数组a
>>> a = np.arange(1,7).reshape(2,3)
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
# 创建数组b       
>>> b = np.arange(7,10).reshape(1,3) # a,b维度相同才能追加
>>> b  
array([[7, 8, 9]]) 

注意：数组（arr）和追加值(values)的维度必须相同才可以追击，否则会报错：

ValueError: all the input arrays must have same number of dimensions, but the array at index 0 has 2 dimension(s) and the array at index 1 has 1 dimension(s)

不指定轴向时，生成副本，将数组a，b都展平后进行追加。

# 将数组b追加到数组a后
>>> np.append(a, values=b) # 不指定axis时
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9]) 

指定轴向时，根据轴向追加，但是形状必须匹配，指定轴向为行追加时列数必须相等，指定轴向为列追加时，行数必须相等。

>>> np.append(a, values=b, axis=0) # 根据行追加
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9]])

指定轴向时，指定轴向为列时，行数不相同，形状不匹配，无法追加，会报ValueError错！

>>> np.append(a, values=b, axis=1)
ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 0, the array at index 0 has size 2 and the array at index 1 has size 1

numpy.insert()

给定的轴向和指定的索引位置插入值。

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

参数说明：

• arr：接收array_like，输入的数组。
• obj：接收整数或者整数序列，索引位置。
• values：接收array_like，需要插入数组的值，需要考虑形状。
• axis：接收整数，轴向。如果未给定轴向数组会被展平。

返回值：

• ndarray，插入值后的副本。

示例：

>>> a = np.arange(1,7).reshape(2,3)
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
>>> b = np.ones(shape=(2,1))
>>> b
array([[1.],
       [1.]])
       
# 向数组a的行方向，索引为2的行插入数组b，会自动补全
>>> np.insert(a, 2, b, axis=0)
array([[1, 2, 3],
       [4, 5, 6],
       [1, 1, 1],
       [1, 1, 1]])
       
# 向数组a的列方向，索引为2的列插入数组b
>>> np.insert(a, 2, b, axis=1)
array([[1, 2, 1, 1, 3],
       [4, 5, 1, 1, 6]])

删除元素

numpy.delete()

返回一个沿轴删除了子数组的新数组。

返回一个沿轴删除了子数组的新数组。

numpy.delete(arr, obj, axis=None)

参数说明：

• arr：接收array_like，输入数组。
• obj：接收索引、切片，或者整数构成的数组。
• axis：接收整数，轴向

返回值：

• ndarray，删除元素后的数组，是副本。

示例：

>>> a = np.arange(1,7).reshape(2,3)
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
# 轴向为列，删除索引为2的列      
>>> np.delete(a, 2, axis=1)      
array([[1, 2],
       [4, 5]])

对数据进行操作时形状非常重要，如果形状不匹配会引发报错，需要对报错的类型了解，才能在出问题后及时找到原因。除此以外，轴向也是非常重要的，二维数组中：axis=0表示行，axis=1表示列，这个概念非常容易混淆。

元素修改

使用索引切片获取到该位置的元素后使用"="为该位置重新赋值即可。

语法：数组名[索引]=值 或 数组名[切片]=值

示例：

>>> a = np.arange(1,7).reshape(2,3)
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
       
# 使用索引获取到该位置后重新赋值即可修改元素       
>>> a[0, 1] = 100
>>> a
array([[ 1, 100, 3],
       [ 4,  5,  6]])     

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。