numpy.insert

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.insert.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

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

在给定的索引之前沿给定轴插入值。

参数：	arr：array_like 输入数组。 obj：int，slice或ints序列 定义插入值之前的索引的对象。 版本1.8.0中的新功能。 当obj是单个标量或具有一个元素的序列（类似于调用插入多次）时支持多次插入。 值：array_like 要插入arr的值。如果值的类型不同于arr的类型，则值被转换为arr的类型。值的形状应使arr [...，obj，...] = 值 t4 >是合法的。 axis：int，可选 要插入值的轴。如果axis为None，则首先平铺arr。
返回：	out：ndarray 插入了值的arr的副本。请注意，insert不会就地发生：返回一个新的数组。如果axis为None，则out是一个展平的数组。

也可以看看

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。

笔记

注意，对于高维插入obj = 0与obj = [0]非常不同，就像arr [：，0 ,:] = values t2 >与arr [：，[0]，：] =值不同。

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, 2, 3, 3])
>>> np.insert(a, 1, 5, axis=1)
array([[1, 5, 1],
       [2, 5, 2],
       [3, 5, 3]])

序列和标量之间的差异：

>>> 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, 6, 2, 2, 3, 3])

>>> np.insert(b, slice(2, 4), [5, 6])
array([1, 1, 5, 2, 6, 2, 3, 3])

>>> np.insert(b, [2, 2], [7.13, False]) # type casting
array([1, 1, 7, 0, 2, 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]])