Python: numpy数组添加一行或者一列, numpy数组的增删查改_numpy添加一行_JacksonKim的博客

2.增加一行

（1）通过np.r_[a,b]方法

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]]) 
b = np.array([2,5,8])
print(np.r_[a,[b]])
[[1 2 3]
 [4 5 6]
 [7 8 9]
 [2 5 8]]

注意这里a和b的shape必须要一致，这跟插入一列不一样

（2）通过np.row_stack((a,b))方法

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]]) 
b = np.array([2,5,8])
print(np.row_stack((a,b)))
[[1 2 3]
 [4 5 6]
 [7 8 9]
 [2 5 8]]

这里b和a的一行形状相同即可

（3）通过np.insert(a, index, b, axis=0)的方法

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]]) 
b = np.array([2,5,8])
print(np.insert(a, 1, b, axis=0))
# 可以插入多行
c = np.array([[1,4,7],[2,5,8]])
print(np.insert(a, [0,1], c, axis=0))
[[1 2 3]
 [2 5 8]
 [4 5 6]
 [7 8 9]]
[[1 4 7]
 [1 2 3]
 [2 5 8]
 [4 5 6]
 [7 8 9]]

1.删除一列或一行

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]]) 
print(np.delete(a, 1, axis=0))
print(np.delete(a, -1, axis=1))
[[1 2 3]
 [7 8 9]]
[[1 2]
 [4 5]
 [7 8]]

2.删除多列或多行

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]]) 
print(np.delete(a, [0,1], axis=0))
print(np.delete(a, [1,2], axis=1))
[[7 8 9]]
   注意，当删除多行或多列时时，不能使用倒序下标-1，-2  
二、参考文献  
    【1】https://www.cnblogs.com/MrLJC/p/4823499.html 
    【2】https://blog.csdn.net/zzzzlei123123123/article/details/100154501
                    一、numpy数组的增删查改（一）查和改 1.通过下标访问   array[0][0]   array[0,1]  2.通过下标修改    array[0][0] = 1    array[0,0] = 2（二）增  1.增加一列  （1）通过np.c_[a,b]方式import numpy as n...
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[0,0,0]])
c = np.insert(a, 0, values=b, axis=0)
d = np.insert(a, 0, values=b, axis=1)
print(c)
print(d)
&gt;&gt;c
[[0 0 0] ...
				对于一个numpy的array数组，可以利用np.rowstack()添加一行，np.column_stack()添加一列
h = np.array([[1,2,3],[4,5,6],[7,8,9]])
在第一列添加一列
h = np.column_stack((np.arange(1,4),h))
在最后添加一行
h = np.row_stack((h,np.arange(1,5)))
注意添加的列和行要和原来array数组的大小相匹配
numpy arra
				NumPy 是一个Python 库，用于 Python 编程中的科学计算。在本教程中，你将学习如何在 NumPy 数组上以多种方式添加、删除、排序和操作元素。
NumPy 提供了一个多维数组对象和其他派生数组，例如掩码数组和掩码多维数组。
为什么要用 NumPy
NumPy 提供了一个 ndarray 对象，可以使用它来对任何维度的数组进行操作。 ndarray 代表 N 维数组，其中 N 是任意数字。这意味着 NumPy 数组可以是任何维度的。
与 Python 的 List 相比，NumPy 具有许多优势。我们可以在 NumPy 阵列上执行高性能操作，例如：
  对数组成员进行排序
3. 使用numpy的reshape函数将new_col转换为n行1列的二维数组。
4. 使用numpy的concatenate函数将arr和new_col连接起来，axis参数设置为1，表示在列方向上连接。
5. 得到的结果即为增加了一列的新数组。
示例代码如下：
import numpy as np
# 创建一个3行2列的数组
arr = np.array([[1, 2], [3, 4], [5, 6]])
# 创建一个新的一维数组
new_col = np.array([7, 8, 9])
# 将new_col转换为n行1列的二维数组
new_col = new_col.reshape(-1, 1)
# 在列方向上连接arr和new_col
new_arr = np.concatenate((arr, new_col), axis=1)
print(new_arr)
输出结果为：
[[1 2 7]
 [3 4 8]
 [5 6 9]]