NumPy ndarray元素访问修改删除与插入实践

脚本专家

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。

2. import numpy as np
4. x = np.array([1, 2, 3, 4, 5])
5. print()
6. print('x = ', x)
7. print()
8. print('This is First Element in x:', x[0])
9. print('This is Second Element in x:', x[1])
10. print('This is Fifth (Last) Element in x:', x[4])
11. print()
12. print('This is First Element in x:', x[-5])
13. print('This is Second Element in x:', x[-4])
14. print('This is Fifth (Last) Element in x:', x[-1])

复制代码

输出：

2. x = [1 2 3 4 5]
4. This is First Element in x: 1
5. This is Second Element in x: 2
6. This is Fifth (Last) Element in x: 5
8. This is First Element in x: 1
9. This is Second Element in x: 2
10. This is Fifth (Last) Element in x: 5

复制代码

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。

2. x = np.array([1, 2, 3, 4, 5])
3. print()
4. print('Original:\n x = ', x)
5. print()
6. x[3] = 20
7. print('Modified:\n x = ', x)

复制代码

输出：

2. Original:
3. x = [1 2 3 4 5]
5. Modified:
6. x = [ 1 2 3 20 5]

复制代码

二维数组修改示例：

2. X = np.array([[1,2,3],[4,5,6],[7,8,9]])
3. print()
4. print('Original:\n X = \n', X)
5. print()
6. X[0,0] = 20
7. print('Modified:\n X = \n', X)

复制代码

输出：

2. Original:
3. X =
4. [[1 2 3]
5. [4 5 6]
6. [7 8 9]]
8. Modified:
9. X =
10. [[20 2 3]
11. [ 4 5 6]
12. [ 7 8 9]]

复制代码

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。

2. x = np.array([1, 2, 3, 4, 5])
3. Y = np.array([[1,2,3],[4,5,6],[7,8,9]])
4. print()
5. print('Original x = ', x)
6. x = np.delete(x, [0,4]) # 此处删除第一个和第五个(最后一个)元素
7. print()
8. print('Modified x = ', x)
9. print()
10. print('Original Y = \n', Y)
11. w = np.delete(Y, 0, axis=0) # 此处删除第一行的元素
12. v = np.delete(Y, [0,2], axis=1) # 此处删除第一列和第三列(最后一列)的元素
13. print()
14. print('w = \n', w)
15. print()
16. print('v = \n', v)

复制代码

输出：

2. Original x = [1 2 3 4 5]
3. Modified x = [2 3 4]
4. Original Y =
5. [[1 2 3]
6. [4 5 6]
7. [7 8 9]]
8. w =
9. [[4 5 6]
10. [7 8 9]]
11. v =
12. [[2]
13. [5]
14. [8]]

复制代码

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。

2. x = np.array([1, 2, 3, 4, 5])
3. Y = np.array([[1,2,3],[4,5,6]])
4. print()
5. print('Original x = ', x)
6. x = np.append(x, 6) # 秩为1的ndarray，直接append
7. print()
8. print('x = ', x)
9. x = np.append(x, [7,8]) # 秩为1的ndarray，也可通过列表一次添加多个
10. print()
11. print('x = ', x)
12. print()
13. print('Original Y = \n', Y)
14. v = np.append(Y, [[7,8,9]], axis=0) # 秩为2的ndarray，添加一行
15. q = np.append(Y,[[9],[10]], axis=1) # 秩为2的ndarray，添加一列; 当然也可添加两列 q = np.append(Y,[[9,99],[10,100]], axis=1)
16. print()
17. print('v = \n', v)
18. print()
19. print('q = \n', q)

复制代码

输出：

2. Original x = [1 2 3 4 5]
3. x = [1 2 3 4 5 6]
4. x = [1 2 3 4 5 6 7 8]
5. Original Y =
6. [[1 2 3]
7. [4 5 6]]
8. v =
9. [[1 2 3]
10. [4 5 6]
11. [7 8 9]]
12. q =
13. [[ 1 2 3 9]
14. [ 4 5 6 10]]

复制代码

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,[3,4]) 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。

2. x = np.array([1, 2, 5, 6, 7])
3. Y = np.array([[1,2,3],[7,8,9]])
4. print()
5. print('Original x = ', x)
6. x = np.insert(x,2,[3,4]) # 向秩为1的ndarray第三个元素前插入3和4
7. print()
8. print('x = ', x)
9. print()
10. print('Original Y = \n', Y)
11. w = np.insert(Y,1,[4,5,6],axis=0) # 向秩为2的ndarray第二行前，插入4,5,6
12. v = np.insert(Y,1,5, axis=1) # 向秩为2的ndarray前第二列前，插入5
13. print()
14. print('w = \n', w)
15. print()
16. print('v = \n', v)

复制代码

输出：

2. Original x = [1 2 5 6 7]
3. x = [1 2 3 4 5 6 7]
4. Original Y =
5. [[1 2 3]
6. [7 8 9]]
7. w =
8. [[1 2 3]
9. [4 5 6]
10. [7 8 9]]
11. v =
12. [[1 5 2 3]
13. [7 5 8 9]]

复制代码

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。

2. x = np.array([1,2])
3. Y = np.array([[3,4],[5,6]])
4. print()
5. print('x = ', x)
6. print()
7. print('Y = \n', Y)
8. z = np.vstack((x,Y)) # 此处将x置于Y之上，形成新的ndarray
9. 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
10. print()
11. print('z = \n', z)
12. print()
13. print('w = \n', w)

复制代码

输出：

2. x = [1 2]
3. Y =
4. [[3 4]
5. [5 6]]
6. z =
7. [[1 2]
8. [3 4]
9. [5 6]]
10. w =
11. [[3 4 1]
12. [5 6 2]]

复制代码

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。