numpy - array(4)

arr1 = np.array([[1, 2], [3, 4], [5, 6]])

（1）def insert(arr, obj, values, axis=None)    向array指定位置插入指定值

 axis为默认值None时，如果array是多维数据,则先将array转化成向量
 obj：插入的索引，接受int或者多个int的元组货列表。
 values：插入的值，接受单个或多个值，axis为默认值None时有以下情况：
   values:单个值，obj:单个值:    在原array索引处插入单个值
   values:多个值，obj:单个值:    在原array索引处插入多个值
   values:单个值，obj:多个值:    在原array多个索引处都插入单个值
   values:多个值，obj:多个值:    values数量与obj数量必须相等，在原array多个索引处插入相应的值

arr_insert1 = np.insert(arr1, [1], [10, 9])
arr_insert2 = np.insert(arr1, [1, 2], [10])
arr_insert3 = np.insert(arr1, [1, 2], [10, 9])

 axis:插入的维度，只接受单个int
 如果values是单个值，则插入的值尺寸自动匹配array在该维度的元素的尺寸，
 如果是多个值，则values的尺寸必须等于array在该维度的元素的尺寸

arr_insert4 = np.insert(arr1, 1, (9, 10, 11), 1)
arr_insert5 = np.insert(arr1, (1, 2), 10, 0)
arr_insert6 = np.insert(arr1, (1, 2), ((9, 10), (10, 11)), 0)

（2）vstack:向0维（fist axis）追加数据，0维尺寸会增加：

        def vstack(tup, *, dtype=None, casting="same_kind")

 tup = （目标array，追加array）,追加array可以传多个array
 追加array与目标array必须有相同的维度，只在0维/fist axis 上的形状可以不同，其他维度形状必须相同

arr_vstack1 = np.vstack((arr1, [7, 8], (9, 9)))
arr_vstack2 = np.vstack((arr1, [(7, 8), (8, 9), (9, 10)]))

arr2 = np.array([[[1, 2], [3, 4], [5, 6]]])
 arr2是3维array，目标array也必须传3维array

arr_vstack3 = np.vstack((arr2, [[(7, 8), (8, 9), (9, 10)]], [[(7, 8), (8, 9), (9, 10)]]))  

（3）hstack:向1维（second axis）追加数据，1维尺寸会增加：

        def hstack(tup, *, dtype=None, casting="same_kind")

 tup = （传目标array，追加array）,追加array可以传多个array
 追加array与目标array必须有相同的维度，只在1维/second axis 上的形状可以不同，其他维度形状必须相同

append_array1 = np.array((1, 1, 1))
append_array1 = append_array1.reshape(-1, 1)

arr_hstack1 = np.hstack((arr1, append_array1))

append_array2 = np.array((1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1))
append_array2 = append_array2.reshape(3, -1, 2)

arr_hstack2 = np.hstack((arr_vstack3, append_array2))

(4) append：向指定轴追加数据
     def append(arr, values, axis=None)

 axis:如果“axis”不是给定的情况下，“arr”和“values”在使用前都是平坦的（就是转化为向量在操作）。
 追加array与目标array必须有相同的维度，只在轴上的形状可以不同，其他维度形状必须相同

arr_append1 = np.append(arr_vstack3, append_array2, 1)
arr_append2 = np.append(arr_vstack3, append_array3, axis=0)
arr_append3 = np.append(arr_vstack3, [[[11, 12]], [[12, 13]], [[13, 14]]], axis=1)

append_array3 = append_array2.reshape(-1, 3, 2)
arr_append4 = np.append(append_array2, 5)

（5）def delete(arr, obj, axis=None) 删除目标array指定轴(维度)指定索引的数据

 arr：目标array
 obj：要删除数据的索引,接收int或int元组,必须参数
 axis：要删除的数据所在的维度，只接受int。如果不传参，则会现将array转化为向量在做删除操作

arr_del1 = np.delete(arr_vstack3, 1)
arr_del2 = np.delete(arr_vstack3, (0, 1), axis=1)

（6）使用bool过滤进行指定删除,结果数据的最高维度自动降维为（目标array的最高维度 - 判断维度的最高维度）

arr3 = np.array([(1, 1, 1, 1), (2, 2, 0, 2), (3, 3, 3, 3), (4, 4, 0, 4)])
temp_bool1 = arr3[:, 2] == 0
arr_del_bool1 = arr3[~temp_bool1]
目标array最高维度是1，判断结果最高维度是0，结果数据最高维度是1

arr_vstack3[1, 1, 1] = 0
arr4 = arr_vstack3
temp_bool2 = arr4[:, :, :] == 0
arr_del_bool2 = arr4[~temp_bool2]
目标array最高维度是2，判断结果最高维度是2，结果数据最高维度是0