numpy.ndarray添加元素

平常使用的比較多的是list，在list后面添加元素直接是

data_list = []
data_list.append(0)

就可以了。

但是在上次使用這個用法時，報錯numpy.adarray沒有append這個屬性，因此發現data_list這個變量不是一個list，而是numpy.ndarray類型的，因此改為：

np.append(data_list, 0)

但是這樣改完之后會發現data_list的值并沒有發生改變，因此，我改為

data_list = np.append(data_list, 0)

然后由于添加了一個元素，他會告訴你，等號右邊是x+1維，左邊是x維，不能賦值，然后改為：

new_list = np.append(data_list, 0)

定義了一個新變量new_list用于保存添加完元素的值，后面再接著使用new_list進行操作就可以了。

Numpy:數組(Ndarray)之元素添加、刪除和修改

數組也是一個可變類型，可以對數組中的元素進行添加、刪除和修改，本文詳細介紹了對數組元素的添加和刪除的操作，以及這兩種操作的方法均已列出。數組元素的修改操作簡單，只要對索引和切片掌握，使用索引和切片獲取到元素后賦值就可以實現。

添加元素

numpy.append()

在數組末尾追加元素。

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

參數說明：

• arr：接收array_like，需要添加元素的數組。
• values：接收array_like，追加到末尾的元素，形狀必須匹配。arr和values的維度必須相等才能追加
• axis：接收int，如果未給定軸，則arr和values在使用前都會被展平。

返回值：

• ndarray，arr的副本。

示例：

# 創建數組a
>>> a = np.arange(1,7).reshape(2,3)
>>> a
array([[1, 2, 3],
? ? ? ?[4, 5, 6]])
# 創建數組b ? ? ??
>>> b = np.arange(7,10).reshape(1,3) # a,b維度相同才能追加
>>> b ?
array([[7, 8, 9]])?

注意：數組（arr）和追加值(values)的維度必須相同才可以追擊，否則會報錯：

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)

不指定軸向時，生成副本，將數組a，b都展平后進行追加。

# 將數組b追加到數組a后
>>> np.append(a, values=b) # 不指定axis時
array([ 1, ?2, ?3, ?4, ?5, ?6, ?7, ?8, ?9])?

指定軸向時，根據軸向追加，但是形狀必須匹配，指定軸向為行追加時列數必須相等，指定軸向為列追加時，行數必須相等。

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

指定軸向時，指定軸向為列時，行數不相同，形狀不匹配，無法追加，會報ValueError錯！

>>> 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()

給定的軸向和指定的索引位置插入值。

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

參數說明：

• arr：接收array_like，輸入的數組。
• obj：接收整數或者整數序列，索引位置。
• values：接收array_like，需要插入數組的值，需要考慮形狀。
• axis：接收整數，軸向。如果未給定軸向數組會被展平。

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.]])
? ? ? ?
# 向數組a的行方向，索引為2的行插入數組b，會自動補全
>>> np.insert(a, 2, b, axis=0)
array([[1, 2, 3],
? ? ? ?[4, 5, 6],
? ? ? ?[1, 1, 1],
? ? ? ?[1, 1, 1]])
? ? ? ?
# 向數組a的列方向，索引為2的列插入數組b
>>> np.insert(a, 2, b, axis=1)
array([[1, 2, 1, 1, 3],
? ? ? ?[4, 5, 1, 1, 6]])

刪除元素

numpy.delete()

返回一個沿軸刪除了子數組的新數組。

返回一個沿軸刪除了子數組的新數組。

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

參數說明：

• arr：接收array_like，輸入數組。
• obj：接收索引、切片，或者整數構成的數組。
• axis：接收整數，軸向

返回值：

• ndarray，刪除元素后的數組，是副本。

示例：

>>> a = np.arange(1,7).reshape(2,3)
>>> a
array([[1, 2, 3],
? ? ? ?[4, 5, 6]])
# 軸向為列，刪除索引為2的列 ? ? ?
>>> np.delete(a, 2, axis=1) ? ? ?
array([[1, 2],
? ? ? ?[4, 5]])

對數據進行操作時形狀非常重要，如果形狀不匹配會引發報錯，需要對報錯的類型了解，才能在出問題后及時找到原因。除此以外，軸向也是非常重要的，二維數組中：axis=0表示行，axis=1表示列，這個概念非常容易混淆。

元素修改

使用索引切片獲取到該位置的元素后使用"="為該位置重新賦值即可。

語法：數組名[索引]=值 或 數組名[切片]=值

示例：

>>> a = np.arange(1,7).reshape(2,3)
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
       
# 使用索引獲取到該位置后重新賦值即可修改元素       
>>> a[0, 1] = 100
>>> a
array([[ 1, 100, 3],
       [ 4,  5,  6]])