NumPy ndarray元素访问修改删除与插入实践
NumPy 的 ndarray 是科学计算和数据处理中高频使用的数据结构。围绕 ndarray 的元素级操作，原文给出了从索引访问、赋值修改，到 np.delete 删除、np.append/np.insert 插入，再到 np.vstack/np.hstack 堆叠的完整示例。下面按一维和二维数组场景重新整理这些代码与参数含义，便于在脚本中直接套用。一、访问元素：正索引与负索引
在 NumPy 中，访问 ndarray 元素使用方括号加索引：x。正索引从 0 开始，表示从数组开头计数；负索引从 -1 开始，表示从数组末尾计数。对于一维数组，x[-5] 在长度为 5 的数组中对应第一个元素，x[-1] 对应最后一个元素。
import numpy as np
x = np.array()
print()
print('x = ', x)
print()
print('This is First Element in x:', x)
print('This is Second Element in x:', x)
print('This is Fifth (Last) Element in x:', x)
print()
print('This is First Element in x:', x[-5])
print('This is Second Element in x:', x[-4])
print('This is Fifth (Last) Element in x:', x[-1])
输出：
x =
This is First Element in x: 1
This is Second Element in x: 2
This is Fifth (Last) Element in x: 5
This is First Element in x: 1
This is Second Element in x: 2
This is Fifth (Last) Element in x: 5
二、修改元素：直接按索引赋值
一维 ndarray 可以通过 x[索引] = 新值 修改。二维 ndarray 则通过 X[行索引, 列索引] = 新值 定位并修改元素。
x = np.array()
print()
print('Original:\n x = ', x)
print()
x = 20
print('Modified:\n x = ', x)
输出：
Original:
x =
Modified:
x = [ 1 2 3 20 5]
二维数组修改示例：
X = np.array([,,])
print()
print('Original:\n X = \n', X)
print()
X = 20
print('Modified:\n X = \n', X)
输出：
Original:
X =
[
]
Modified:
X =
[
[ 4 5 6]
[ 7 8 9]]
三、删除元素：np.delete 与 axis 参数
np.delete(ndarray, obj, axis) 用于删除元素或行列。一维数组不需要 axis，传入要删除的索引或索引列表即可。二维数组需要指定 axis：axis=0 表示按行操作，axis=1 表示按列操作。
x = np.array()
Y = np.array([,,])
print()
print('Original x = ', x)
x = np.delete(x, ) # 此处删除第一个和第五个(最后一个)元素
print()
print('Modified x = ', x)
print()
print('Original Y = \n', Y)
w = np.delete(Y, 0, axis=0) # 此处删除第一行的元素
v = np.delete(Y, , axis=1) # 此处删除第一列和第三列(最后一列)的元素
print()
print('w = \n', w)
print()
print('v = \n', v)
输出：
Original x =
Modified x =
Original Y =
[
]
w =
[
]
v =
[
]
这里的关键点是：一维 ndarray 删除时不需要 axis；二维 ndarray 中 axis=0 选择行，axis=1 选择列。np.delete 返回处理后的新数组，因此需要用变量接收结果。
四、插入与追加：np.append 和 np.insert
np.append(ndarray, elements, axis) 会把给定元素列表沿指定轴附加到 ndarray。对一维数组，可以直接追加标量，也可以用列表一次追加多个值。对二维数组，追加行时 axis=0，追加列时 axis=1，并且行或列的形状必须与原数组的形状匹配。
x = np.array()
Y = np.array([,])
print()
print('Original x = ', x)
x = np.append(x, 6) # 秩为1的ndarray，直接append
print()
print('x = ', x)
x = np.append(x, ) # 秩为1的ndarray，也可通过列表一次添加多个
print()
print('x = ', x)
print()
print('Original Y = \n', Y)
v = np.append(Y, [], axis=0) # 秩为2的ndarray，添加一行
q = np.append(Y,[,], axis=1) # 秩为2的ndarray，添加一列; 当然也可添加两列 q = np.append(Y,[,], axis=1)
print()
print('v = \n', v)
print()
print('q = \n', q)
输出：
Original x =
x =
x =
Original Y =
[
]
v =
[
]
q =
[[ 1 2 3 9]
[ 4 5 6 10]]
np.insert(ndarray, index, elements, axis) 则用于在指定索引前插入值。对一维数组，np.insert(x,2,) 表示在第三个元素前插入 3 和 4。对二维数组，axis=0 按行插入，axis=1 按列插入。
x = np.array()
Y = np.array([,])
print()
print('Original x = ', x)
x = np.insert(x,2,) # 向秩为1的ndarray第三个元素前插入3和4
print()
print('x = ', x)
print()
print('Original Y = \n', Y)
w = np.insert(Y,1,,axis=0) # 向秩为2的ndarray第二行前，插入4,5,6
v = np.insert(Y,1,5, axis=1) # 向秩为2的ndarray前第二列前，插入5
print()
print('w = \n', w)
print()
print('v = \n', v)
输出：
Original x =
x =
Original Y =
[
]
w =
[
]
v =
[
]
五、堆叠数组：vstack 与 hstack
如果不想逐个插入，还可以用 np.vstack() 做垂直堆叠，用 np.hstack() 做水平堆叠。示例中，x 先放在 Y 上方生成 z；再把 x 通过 reshape(2,1) 变形后放到 Y 右侧生成 w。
x = np.array()
Y = np.array([,])
print()
print('x = ', x)
print()
print('Y = \n', Y)
z = np.vstack((x,Y)) # 此处将x置于Y之上，形成新的ndarray
w = np.hstack((Y,x.reshape(2,1))) # 此处将变形后的x置于Y的右侧,形成新的ndarray
print()
print('z = \n', z)
print()
print('w = \n', w)
输出：
x =
Y =
[
]
z =
[
]
w =
[
]
小结：本文涉及的 ndarray 操作围绕索引、axis 和形状匹配展开。访问和修改使用方括号索引；删除使用 np.delete，插入使用 np.append 与 np.insert，堆叠使用 np.vstack 与 np.hstack。二维数组操作中，axis=0 对应行，axis=1 对应列；追加行或列时，形状必须正确，以与二维 ndarray 的形状相符。由于这些函数通常返回新的 ndarray，实际脚本中应使用变量接收返回值。
Re: NumPy ndarray元素访问修改删除与插入实践
整理得挺清楚，按一维和二维场景来对照，访问、修改、删除、追加这几块都比较好套用。尤其 np.delete 返回新数组、需要用变量接收，以及 axis=0 按行、axis=1 按列这两个点，对实际写脚本很有帮助。二维数组追加行或列时要求形状匹配，也提醒得很到位。 有个小建议：标题里提到了 np.insert，但正文示例目前主要还是围绕 np.append，如果能再补一个 np.insert 在一维和二维数组中的用法，读者会更容易分清“插入”和“追加”的区别。另外最后 v 的输出好像截断了，补全后整篇会更完整。整体看，这份整理对入门和查漏都挺友好。Re: NumPy ndarray元素访问修改删除与插入实践
整理得挺清楚的，一维和二维场景分开讲，负索引、axis=0 按行、axis=1 按列这些容易混的点都点到了。特别是 np.delete 返回新数组、需要用变量接收这点，对刚开始写脚本的人很实用；np.append 追加行或列时形状要匹配，也是实际用起来最容易踩坑的地方。 不过看到最后输出那里好像截断了，v 只显示到 [[，q 的结果也没出来。另外开头提到 np.insert，但正文里主要是 np.append 的示例，如果后面方便的话可以把 np.insert 以及完整的 v、q 输出补上，这样这篇就更完整了。Re: NumPy ndarray元素访问修改删除与插入实践
楼主这篇整理得很实用，尤其把一维和二维的访问、修改、删除、追加放在一起对照，axis 的含义也讲得很直观。像 np.delete 和 np.append 都会返回新数组、需要用变量接收，这点在实际写脚本时确实很容易忘。不过帖子末尾好像断在 v 的输出那里了，q 的结果和 np.insert 的示例还没看到，方便的话可以补全，这样“删除与插入”这部分会更完整。感谢分享。
页:
[1]