數組元素的添加與刪除 相關函數列表如下：

函數

元素及描述

resize

返回指定形狀的新數組

append

將值添加到數組末尾

insert

沿指定軸將值插入到指定下標之前

delete

刪掉某個軸的子數組，并返回刪除后的新數組

unique

查找數組內的唯一元素

1)

返回指定大小的新數組

numpy.resize(arr, shape)

arr：要修改大小的數組

shape：返回數組的新形狀

新數組小于原始數組

>>> import numpy as np

>>> a = np.array([[1,2,3],[4,5,6]])

>>> a

array([[1, 2, 3],

[4, 5, 6]])

>>> b = np.resize(a,(2,2))

>>> b

array([[1, 2],

[3, 4]])

新數組大于原始數組

>>> import numpy as np

>>> a = np.array([[1,2,3],[4,5,6]])

>>> a

array([[1, 2, 3],

[4, 5, 6]])

>>> c = np.resize(a,(3,3))

>>> c

array([[1, 2, 3],

[4, 5, 6],

[1, 2, 3]])

>>> d = np.resize(a,(3,4))

>>> d

array([[1, 2, 3, 4],

[5, 6, 1, 2],

[3, 4, 5, 6]])

總結：

如果新數組大小小于原始大小，會默認按行對原始數組進行取值，直到取夠為止

如果新數組大小大于原始大小，會默認按行重復使用原始數組中的元素，會包含原始數組中的元素的副本。

2)

在數組的末尾添加值。 追加操作會分配整個數組，并把原來的數組復制到新數組中。 此外，輸入數組的維度必須匹配否則將生成ValueError。

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

arr：輸入數組

values：要向arr添加的值，需要和arr形狀相同(除了要添加的軸)

axis：默認為 None

當axis=None時，是橫向加成，對添加的元素的個數和類型無要求，返回總是為一維數組

當axis=0時，增加的是原始數組的行數，因此添加的列表必須是二維[[]]。若要添加一行，子列表元素個數是1[[]]，添加二行，子列表元素個數是2[[],[]]。子列表元素個數要與原始數組的列數相同。

當axis=1時，增加的是原始數組的列數，因此添加的列表元素個數要與原始數組的行數相同，增加的列數取決于子列表的元素個數

不定義axis，返回的都是一維數組

>>> import numpy as np

>>> a = np.array([[1,2,3],[4,5,6]])

>>> a

array([[1, 2, 3],

[4, 5, 6]])

>>> np.append(a, [7,8])

array([1, 2, 3, 4, 5, 6, 7, 8])

>>> np.append(a, [7,8,9])

array([1, 2, 3, 4, 5, 6, 7, 8, 9])

''' 嘗試添加多維數組'''

>>> np.append(a, [[7,8],[9,]])

array([1, 2, 3, 4, 5, 6, list([7, 8]), list([9])], dtype=object)

定義axis=0

>>> import numpy as np

>>> a = np.array([[1,2,3],[4,5,6]])

>>> a

array([[1, 2, 3],

[4, 5, 6]])

'''沿軸 0 添加元素，即增加原始數組的行數'''

>>> np.append(a, [[7,8,9]],axis = 0)

array([[1, 2, 3],

[4, 5, 6],

[7, 8, 9]])

>>> np.append(a, [[7,8,9],[10,11,12]],axis = 0)

array([[ 1, 2, 3],

[ 4, 5, 6],

[ 7, 8, 9],

[10, 11, 12]])

定義axis=1

>>> import numpy as np

>>> a = np.array([[1,2,3],[4,5,6]])

>>> a

array([[1, 2, 3],

[4, 5, 6]])

'''沿軸 1 添加元素，即增加原始數組的列數'''

>>> np.append(a, [[7],[8]],axis = 1)

array([[1, 2, 3, 7],

[4, 5, 6, 8]])

>>> np.append(a, [[7,9],[8,10]],axis = 1)

array([[ 1, 2, 3, 7, 9],

[ 4, 5, 6, 8, 10]])

3)

用法和 numpy.append類似，但沒有append嚴格

numpy.insert(arr, obj, values, axis)

arr：輸入數組

obj：在其之前插入值的索引

values：要插入的值

axis：沿著它插入的軸，如果未提供，則輸入數組會被展開

不傳遞axis參數時，是橫向加成，添加對象是單個元素或者是一維數組(列表)，可以是一個元素，也可以是一個列表(包含1個以上元素)，返回總是為一維數組

當axis=0時，添加對象可以是1個元素或者數組，當為數組時，添加的數組維度可以是(1，1)或者和原始數組相等，但不能大或者不等

當axis=1時，添加對象可以是1個元素或者數組，當為數組時，添加數組的維度可以是(1，1)，或者必須原始數組列數相同，但不能大或者不等

numpy.insert添加的對象可以是一個元素或者數組

未傳遞 axis 參數，生成的是一維數組

>>> import numpy as np

>>> a = np.array([[1,2],[3,4],[5,6]])

>>> a

array([[1, 2],

[3, 4],

[5, 6]])

>>> np.insert(a,3,11)

array([ 1, 2, 3, 11, 4, 5, 6])

>>> np.insert(a,3,[11,12])

array([ 1, 2, 3, 11, 12, 4, 5, 6])

>>> np.insert(a,3,[11,12,13])

array([ 1, 2, 3, 11, 12, 13, 4, 5, 6])

定義axis=0

>>> np.insert(a,1,11,axis = 0)

array([[ 1, 2],

[11, 11],

[ 3, 4],

[ 5, 6]])

>>> np.insert(a,1,[11],axis = 0)

array([[ 1, 2],

[11, 11],

[ 3, 4],

[ 5, 6]])

>>> np.insert(a,1,[11,12],axis = 0)

array([[ 1, 2],

[11, 12],

[ 3, 4],

[ 5, 6]])

>>> np.insert(a,1,[[11,12],[13,14]],axis = 0)

array([[ 1, 2],

[11, 12],

[13, 14],

[ 3, 4],

[ 5, 6]])

>>> np.insert(a,1,[11,12,13],axis = 0)

Traceback (most recent call last):

ValueError: could not broadcast input array from shape (1,3) into shape (1,2)

定義axis=1

>>> np.insert(a,1,11,axis = 1)

array([[ 1, 11, 2],

[ 3, 11, 4],

[ 5, 11, 6]])

>>> np.insert(a,1,[11],axis = 1)

array([[ 1, 11, 2],

[ 3, 11, 4],

[ 5, 11, 6]])

>>> np.insert(a,1,[11,12],axis = 1)

Traceback (most recent call last):

ValueError: could not broadcast input array from shape (2,1) into shape (3,1)

>>> np.insert(a,1,[11,12,13],axis = 1)

array([[ 1, 11, 2],

[ 3, 12, 4],

[ 5, 13, 6]])

>>> np.insert(a,1,[[11],[12],[13]],axis = 1)

array([[ 1, 11, 12, 13, 2],

[ 3, 11, 12, 13, 4],

[ 5, 11, 12, 13, 6]])

>>> np.insert(a,1,[[11,12,13],[14,15,16],[17,18,19]],axis = 1)

array([[ 1, 11, 14, 17, 2],

[ 3, 12, 15, 18, 4],

[ 5, 13, 16, 19, 6]])

4)

返回從輸入數組中刪除指定子數組的新數組。 與 insert() 函數的情況一樣，如果未提供軸參數，則輸入數組將展開。

Numpy.delete(arr, obj, axis)

arr：輸入數組

obj：可以被切片，整數或者整數數組，表明要從輸入數組刪除的子數組

axis：沿著它刪除給定子數組的軸，如果未提供，則輸入數組會被展開

未傳遞 Axis 參數，生成一個一維數組

>>> import numpy as np

>>> a = np.arange(12).reshape(3,4)

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> np.delete(a,5)

array([ 0, 1, 2, 3, 4, 6, 7, 8, 9, 10, 11])

定義axis=0，對行進行操作

>>> import numpy as np

>>> a = np.arange(12).reshape(3,4)

>>> np.delete(a,5)

array([ 0, 1, 2, 3, 4, 6, 7, 8, 9, 10, 11])

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

''' 刪除第2行 '''

>>> np.delete(a,1,axis = 0)

array([[ 0, 1, 2, 3],

[ 8, 9, 10, 11]])

'''刪除第2行和第3行'''

>>> np.delete(a,[1,2],axis = 0)

array([[0, 1, 2, 3]])

定義axis=1，對列進行操作

>>> import numpy as np

>>> a = np.arange(12).reshape(3,4)

>>> np.delete(a,5)

array([ 0, 1, 2, 3, 4, 6, 7, 8, 9, 10, 11])

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

''' 刪除第2列 '''

>>> np.delete(a,1,axis = 1)

array([[ 0, 2, 3],

[ 4, 6, 7],

[ 8, 10, 11]])

''' 刪除第2列和第3列 '''

>>> np.delete(a,[1,2],axis = 1)

array([[ 0, 3],

[ 4, 7],

[ 8, 11]])

切片操作 必須使用 numpy.s_

>>> import numpy as np

>>> a = np.arange(12).reshape(3,4)

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> np.delete(a, np.s_[1:3])

array([ 0, 3, 4, 5, 6, 7, 8, 9, 10, 11])

''' 刪除第2行和第3行 '''

>>> np.delete(a, np.s_[1:3],axis=0)

array([[0, 1, 2, 3]])

''' 刪除第2列和第3列 '''

>>> np.delete(a, np.s_[1:3],axis=1)

array([[ 0, 3],

[ 4, 7],

[ 8, 11]])

''' 步長為2 進行刪除，刪除 index 為 0， 2， 4 ....的元素 '''

>>> np.delete(a, np.s_[::2])

array([ 1, 3, 5, 7, 9, 11])

>>> np.delete(a, np.s_[::2],axis=0)

array([[4, 5, 6, 7]])

>>> np.delete(a, np.s_[::2],axis=1)

array([[ 1, 3],

[ 5, 7],

[ 9, 11]])

5)

用于去除數組中的重復元素

numpy.unique(arr, return_index, return_inverse, return_counts)

arr：輸入數組，如果不是一維數組則會展開

return_index：如果為true，返回新列表元素在舊列表中的位置(下標)，并以列表形式儲

return_inverse：如果為true，返回舊列表元素在新列表中的位置(下標)，并以列表形式儲

return_counts：如果為true，返回去重數組中的元素在原數組中的出現次數

>>> import numpy as np

>>> a = np.array([5,2,6,2,7,5,6,8,2,9])

>>> a

array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

>>> np.unique(a)

array([2, 5, 6, 7, 8, 9])

return_index = True

>>> import numpy as np

>>> a = np.array([5,2,6,2,7,5,6,8,2,9])

>>> a

array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

>>> np.unique(a, return_index = True)

(array([2, 5, 6, 7, 8, 9]), array([1, 0, 2, 4, 7, 9]))

return_inverse = True

>>> import numpy as np

>>> a = np.array([5,2,6,2,7,5,6,8,2,9])

>>> a

array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

>>> np.unique(a,return_inverse = True)

(array([2, 5, 6, 7, 8, 9]), array([1, 0, 2, 0, 3, 1, 2, 4, 0, 5]))

return_counts = True

>>> import numpy as np

>>> a = np.array([5,2,6,2,7,5,6,8,2,9])

>>> a

array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9])

>>> np.unique(a,return_counts = True)

(array([2, 5, 6, 7, 8, 9]), array([3, 2, 2, 1, 1, 1]))

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python ndarray append_9-Python-NumPy数组元素的添加与删除的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。