8 修改数组的元素

修改元素的方法

NumPy 有下列几种修改数组元素的方法：

方法	参数	说明
numpy.resize()	arr, shape	改数组列尺寸大小。
numpy.append()	arr, item	添加元素到数组最后面，返回一个一维数组
numpy.insert()	arr, index, item	添加元素到数组指定的位置，返回一个一维数组。
numpy.delete()	arr, index	删除某个元素，返回一个一维数组
numpy.unique()	arr	取出不重复的元素，返回一个一维数组

numpy.resize()

numpy.resize()会将原来的数组调整为新的尺寸，原作原理是先把原本的数组元素摊平，再依次放入到新尺寸的数组中，弱新尺寸大于原来的元素数量，就依次重复放入，如果新尺寸小于原本的数量，就会舍弃超过的元素。

import numpy as np

a = np.array([[1,1,1],[2,2,2]])
b = np.resize(a, (3,2))
print(b)
'''
[[1 1]
  [1 2]
  [2 2]]
'''
c = np.resize(a, (5,5))
print(c)
'''
[[1 1 1 2 2]
 [2 1 1 1 2]
 [2 2 1 1 1]
 [2 2 2 1 1]
 [1 2 2 2 1]]
'''
d = np.resize(a, (2,2))
print(d)
'''
[[1 1]
 [1 2]]

np.resize(a, (5,5)) 的计算逻辑是按照原数组的元素顺序，循环填充目标形状的新数组，如果原数组元素数量不足，则重复原数组的元素直至填满目标形状。

具体计算步骤：

1. 原数组 ****a ****的元素：原数组 a 是 2×3 的二维数组，元素按行优先顺序（横向读取）排列为：[1, 1, 1, 2, 2, 2]（共 6 个元素）。
2. 目标形状 ****(5,5) ****的总元素数：目标数组需要 5×5 = 25 个元素。
3. 循环填充元素：用原数组的元素按顺序循环填充 25 个位置，不够时从头重复原数组：

• • 第 1~6 个元素：[1,1,1,2,2,2]（原数组完整元素）
  • 第 7~12 个元素：[1,1,1,2,2,2]（第 1 次重复）
  • 第 13~18 个元素：[1,1,1,2,2,2]（第 2 次重复）
  • 第 19~24 个元素：[1,1,1,2,2,2]（第 3 次重复）
  • 第 25 个元素：1（第 4 次重复的第 1 个元素）

4. 最终得到的 25 个元素序列为：[1,1,1,2,2,2,1,1,1,2,2,2,1,1,1,2,2,2,1,1,1,2,2,2,1]
5. 重塑为目标形状 (5,5) ：将上述 25 个元素按行优先排列为 5 行 5 列的二维数组，结果如下：

[[1 1 1 2 2]
 [2 1 1 1 2]
 [2 2 1 1 1]
 [2 2 2 1 1]
 [1 2 2 2 1]]

关键规律：

• np.resize 不考虑原数组的维度，仅按扁平后的元素顺序循环填充。
• 若目标形状的总元素数 小于 原数组元素数，则截断原数组（保留前 N 个元素）。
• 若目标形状的总元素数 大于 原数组元素数，则重复原数组元素直至填满。

对比 np.reshape（仅改变形状，不增删元素），np.resize 的核心是通过重复 / 截断元素来适配目标形状。

numpy.append()

numpy.append()h 会将元素添加到数组最后，并返回一个一维数组，第一个参数为 arr 原本的数组，第二个参数为要添加的内容

import numpy as np

a = np.array([[1,1,1],[2,2,2]])
b = np.append(a, 1)
c = np.append(a, [3,3,3])
print(b)   # [1 1 1 2 2 2 1]
print(c)   # [1 1 1 2 2 2 3 3 3]

如果加入的元素数量和原本的数组相同，可以设定第三个参数（默认值是 None）0 是行、1 是列，指定插入的维度

import numpy as np

a = np.array([[1,1,1],[2,2,2]])
b = np.append(a, [[3,3,3],[4,4,4]],1)
print(b)
'''
[[1 1 1 3 3 3]
 [2 2 2 4 4 4]]
'''
c = np.append(a, [[3,3,3],[4,4,4]],0)
print(c)
'''
[[1 1 1]
 [2 2 2]
 [3 3 3]
 [4 4 4]]
'''

numpy.insert()

numpy.insert()会将元素添加到数组指定的位置，并返回一个一维数组，第一个参数为 arr 原本的数组，第二个参数为加入的位置，第三个参数是要加入的内容，如果设定为第四个参数（默认值是 none）为 0（行）或 1（列），则可以指定元素插入的维度

import numpy as np

a = np.array([[1,1],[2,2],[3,3]])
b = np.insert(a, 1, [4,4])
c = np.insert(a, 2, [4,4])
print(b)   # [1 4 4 1 2 2 3 3]
print(c)   # [1 1 4 4 2 2 3 3]
d = np.insert(a, 2, [4,4], 0)
print(d)
'''
[[1 1]
 [2 2]
 [4 4]
 [3 3]]
'''

numpy.delete()

numpy.delete()会将元素从指定维度删除，返回一个一维数组，第一个参数为 arr 原本的数组，第二个参数为要删除元素的位置，如果设定第三个参数（默认值为 None）为 0（行）或 1（列），则可以指定元素插入的维度

import numpy as np

a = np.array([[1,2],[3,4],[5,6]])
b = np.delete(a, 1)
c = np.delete(a, 2)
print(b)    # [1 3 4 5 6]
print(c)    # [1 2 4 5 6]
d = np.delete(a, 2, 0)
print(d)
'''
[[1 2]
 [3 4]]
'''

numpy.unique()

该函数用于找出数组中不重复的唯一值，并通过参数控制返回额外信息（索引、逆映射、计数）

参数	作用
arr	输入数组（必填）
return_index	布尔值，默认 False；为 True时，返回唯一值在原展平数组中的首次出现索引
return_inverse	布尔值，默认 False；为 True 时，返回原展平数组中每个元素对应唯一值的索引（逆映射）
return_counts	布尔值，默认 False；为 True 时，返回每个唯一值在原数组中的出现次数

import numpy as np

a = np.array([[1,1],[2,2],[3,3]])
b = np.unique(a)
c = np.unique(a, return_index=True)
d = np.unique(a, return_inverse=True)
e = np.unique(a, return_counts=True)
print(b)   # [1 2 3]
print(c)   # (array([1, 2, 3]), array([0, 2, 4]))
print(d)   # (array([1, 2, 3]), array([0, 0, 1, 1, 2, 2]))
print(e)   # (array([1, 2, 3]), array([2, 2, 2]))