数组元素的添加与删除 相关函数列表如下：
函数
元素及描述
resize
返回指定形状的新数组
append
将值添加到数组末尾
insert
沿指定轴将值插入到指定下标之前
delete
删掉某个轴的子数组，并返回删除后的新数组
unique
查找数组内的唯一元素
1)
返回指定大小的新数组
numpy.resize(arr, shape)
arr：要修改大小的数组
shape：返回数组的新形状
新数组小于原始数组
>>> 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]])
新数组大于原始数组
>>> 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]])
总结：
如果新数组大小小于原始大小，会默认按行对原始数组进行取值，直到取够为止
如果新数组大小大于原始大小，会默认按行重复使用原始数组中的元素，会包含原始数组中的元素的副本。
2)
在数组的末尾添加值。 追加操作会分配整个数组，并把原来的数组复制到新数组中。 此外，输入数组的维度必须匹配否则将生成ValueError。
numpy.append(arr, values, axis=None)
arr：输入数组
values：要向arr添加的值，需要和arr形状相同(除了要添加的轴)
axis：默认为 None
当axis=None时，是横向加成，对添加的元素的个数和类型无要求，返回总是为一维数组
当axis=0时，增加的是原始数组的行数，因此添加的列表必须是二维[[]]。若要添加一行，子列表元素个数是1[[]]，添加二行，子列表元素个数是2[[],[]]。子列表元素个数要与原始数组的列数相同。
当axis=1时，增加的是原始数组的列数，因此添加的列表元素个数要与原始数组的行数相同，增加的列数取决于子列表的元素个数
不定义axis，返回的都是一维数组
>>> 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])
''' 尝试添加多维数组'''
>>> np.append(a, [[7,8],[9,]])
array([1, 2, 3, 4, 5, 6, list([7, 8]), list([9])], dtype=object)
定义axis=0
>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
'''沿轴 0 添加元素，即增加原始数组的行数'''
>>> 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]])
定义axis=1
>>> import numpy as np
>>> a = np.array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
'''沿轴 1 添加元素，即增加原始数组的列数'''
>>> 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类似，但没有append严格
numpy.insert(arr, obj, values, axis)
arr：输入数组
obj：在其之前插入值的索引
values：要插入的值
axis：沿着它插入的轴，如果未提供，则输入数组会被展开
不传递axis参数时，是横向加成，添加对象是单个元素或者是一维数组(列表)，可以是一个元素，也可以是一个列表(包含1个以上元素)，返回总是为一维数组
当axis=0时，添加对象可以是1个元素或者数组，当为数组时，添加的数组维度可以是(1，1)或者和原始数组相等，但不能大或者不等
当axis=1时，添加对象可以是1个元素或者数组，当为数组时，添加数组的维度可以是(1，1)，或者必须原始数组列数相同，但不能大或者不等
numpy.insert添加的对象可以是一个元素或者数组
未传递 axis 参数，生成的是一维数组
>>> 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])
定义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)
定义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)
返回从输入数组中删除指定子数组的新数组。 与 insert() 函数的情况一样，如果未提供轴参数，则输入数组将展开。
Numpy.delete(arr, obj, axis)
arr：输入数组
obj：可以被切片，整数或者整数数组，表明要从输入数组删除的子数组
axis：沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开
未传递 Axis 参数，生成一个一维数组
>>> 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])
定义axis=0，对行进行操作
>>> 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]])
''' 删除第2行 '''
>>> np.delete(a,1,axis = 0)
array([[ 0, 1, 2, 3],
[ 8, 9, 10, 11]])
'''删除第2行和第3行'''
>>> np.delete(a,[1,2],axis = 0)
array([[0, 1, 2, 3]])
定义axis=1，对列进行操作
>>> 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]])
''' 删除第2列 '''
>>> np.delete(a,1,axis = 1)
array([[ 0, 2, 3],
[ 4, 6, 7],
[ 8, 10, 11]])
''' 删除第2列和第3列 '''
>>> np.delete(a,[1,2],axis = 1)
array([[ 0, 3],
[ 4, 7],
[ 8, 11]])
切片操作 必须使用 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])
''' 删除第2行和第3行 '''
>>> np.delete(a, np.s_[1:3],axis=0)
array([[0, 1, 2, 3]])
''' 删除第2列和第3列 '''
>>> np.delete(a, np.s_[1:3],axis=1)
array([[ 0, 3],
[ 4, 7],
[ 8, 11]])
''' 步长为2 进行删除，删除 index 为 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)
用于去除数组中的重复元素
numpy.unique(arr, return_index, return_inverse, return_counts)
arr：输入数组，如果不是一维数组则会展开
return_index：如果为true，返回新列表元素在旧列表中的位置(下标)，并以列表形式储
return_inverse：如果为true，返回旧列表元素在新列表中的位置(下标)，并以列表形式储
return_counts：如果为true，返回去重数组中的元素在原数组中的出现次数
>>> 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]))
