- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境
- NumPy 数组
- NumPy - Ndarray 对象
- NumPy - 数据类型
- NumPy 创建和操作数组
- NumPy - 数组创建例程
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 遍历数组
- NumPy - 重塑数组
- NumPy - 连接数组
- NumPy - 堆叠数组
- NumPy - 分割数组
- NumPy - 展平数组
- NumPy - 转置数组
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高级索引
- NumPy 数组属性和运算
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步长
- NumPy - 数组元素大小
- NumPy - 广播
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组运算
- NumPy - 交换数组轴
- NumPy - 字节交换
- NumPy - 副本和视图
- NumPy - 元素级数组比较
- NumPy - 过滤数组
- NumPy - 连接数组
- NumPy - 排序、搜索和计数函数
- NumPy - 搜索数组
- NumPy - 数组的并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O
- NumPy 排序和高级操作
- NumPy - 排序数组
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- Numpy - 加载数组
- Numpy - 保存数组
- NumPy - 将值追加到数组
- NumPy - 交换数组的列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 估算缺失数据
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行矢量化
- NumPy - 数组的内存布局
- Numpy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程组
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位数
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合运算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy insert() 函数
Numpy 的insert()函数用于沿数组的指定轴插入值。它以数组、索引或索引序列以及要插入的值作为其主要参数。
axis 参数指定要插入值的轴。如果未指定 axis,则在插入之前会先展平数组。
此函数通过保持原始数组不变来返回一个包含插入值的新的数组。
语法
以下是 Numpy insert() 函数的语法:
numpy.insert(arr, obj, values, axis = None)
参数
以下是 Numpy insert() 函数的参数:
- arr: 输入数组。
- obj: 要插入之前的位置的索引。
- values: 要插入的值的数组。
- axis: 要插入的轴。如果未给出,则输入数组将被展平。
示例 1
以下是 Numpy insert() 函数的基本示例,其中未传递 axis 参数,因此将生成展平的数组:
import numpy as np # Define the initial array a = np.array([[1, 2], [3, 4], [5, 6]]) print('First array:') print(a) print('\n') # Insert without axis parameter (flattening the array) print('Axis parameter not passed. The input array is flattened before insertion.') print(np.insert(a, 3, [11, 12])) print('\n')
输出
First array: [[1 2] [3 4] [5 6]] Axis parameter not passed. The input array is flattened before insertion. [ 1 2 3 11 12 4 5 6]
示例 2
在此示例中,我们将 axis 参数传递给insert()函数并进行广播以匹配输入数组:
import numpy as np # Define the initial array b = np.array([[1, 2], [3, 4], [5, 6], [7, 8]]) print('First array:') print(b) print('\n') print('Axis parameter passed. The values array is broadcast to match input array.') # Insert with axis parameter (broadcasting the values) # Broadcast along axis 0 (inserting rows) print('Broadcast along axis 0:') print(np.insert(b, 1, [11, 12], axis=0)) print('\n') # Broadcast along axis 1 (inserting columns) print('Broadcast along axis 1:') print(np.insert(b, 1, 11, axis=1))
输出
First array: [[1 2] [3 4] [5 6] [7 8]] Axis parameter passed. The values array is broadcast to match input array. Broadcast along axis 0: [[ 1 2] [11 12] [ 3 4] [ 5 6] [ 7 8]] Broadcast along axis 1: [[ 1 11 2] [ 3 11 4] [ 5 11 6] [ 7 11 8]]
numpy_array_manipulation.htm
广告