Python 将元素插入numpy数组

列表有一种非常简单的插入元素的方法：

a = [1,2,3,4]
a.insert(2,66)
print a
[1, 2, 66, 3, 4]

对于

numpy

数组，我可以执行以下操作：

a = np.asarray([1,2,3,4])
a_l = a.tolist()
a_l.insert(2,66)
a = np.asarray(a_l)
print a
[1 2 66 3 4]

但这是非常复杂的

对于

numpy

数组，是否有一个

insert

等价物？

您可以使用，但与

列表不同。insert

它返回一个新数组，因为numpy中的数组具有固定大小

>>> import numpy as np
>>> a = np.asarray([1,2,3,4])
>>> np.insert(a, 2, 66)
array([ 1,  2, 66,  3,  4])

---

如果您只想在后续索引中插入项，作为一种更优化的方法，您可以使用

np.concatenate（）

将数组的切片与您想要的项连接起来：

例如，在这种情况下，您可以执行以下操作：

In [21]: np.concatenate((a[:2], [66], a[2:]))
Out[21]: array([ 1,  2, 66,  3,  4])

基准测试（比插入代码快5倍）：

这里是一个具有更大阵列的基准测试（速度仍快5倍）：

---

要向numpy数组添加元素，可以使用“append”方法将数组和要添加的元素传递给它。例如：

将numpy导入为np
虚拟=[]
dummy=np.append（dummy，12）

---

这将创建一个空数组，并将数字“12”添加到其中

这非常直观，我不知道为什么我没有想到尝试它。非常感谢@Ashwini！这里有更多关于numpy.insert的信息，我从未想过使用

np.concatenate（）

会更快。谢谢你，卡斯拉姆夫@加布里埃尔，不客气。这实际上是因为，

np.concatenate

执行此任务所需的操作比

insert

要少得多，后者将首先发现索引并进行大量检查并创建新的索引。

concatenate

是编译代码，

insert

是一个相对复杂的Python函数（您可以使用

np.source（np.insert）

学习）@hpaulj你的意思是C只比python快5倍？起初我认为这可能是原因，但运行时间的差异似乎就像功能上的差异一样。在尝试复制

insert

最简单的插入情况后，我认为大部分额外时间都是由于其更大的通用性。copyi的核心任务是将

a

的多个切片放入

新的
数组所需的时间与
串联
所需的时间大致相同。但它会花费更多的时间设置和操作切片元组。我认为这并不能回答OP的问题。因为OP希望在任意位置插入，而不仅仅是在最后插入。
In [19]: %timeit np.concatenate((a[:2], [66], a[2:]))
1000000 loops, best of 3: 1.43 us per loop

In [20]: %timeit np.insert(a, 2, 66)
100000 loops, best of 3: 6.86 us per loop

In [22]: a = np.arange(1000)

In [23]: %timeit np.concatenate((a[:300], [66], a[300:]))
1000000 loops, best of 3: 1.73 us per loop                                              

In [24]: %timeit np.insert(a, 300, 66)
100000 loops, best of 3: 7.72 us per loop