Python 2.7中如何在Numpy矩阵指定位置正确插入列表？

嘿，我明白你遇到的问题了——直接用普通列表的操作来处理Numpy矩阵，很容易把结构搞乱对吧？别担心，我来给你一步步讲清楚怎么正确实现任意位置的插入。

首先要明确：Numpy的数组（你说的“矩阵”）和普通Python列表是完全不同的数据结构，必须用Numpy专门的函数来操作，不然就会出现你遇到的“合并成单列表”的问题。

1. 一维数组的插入 #

如果你的“矩阵”是一维的（比如[1,2,3,4]），想要插入一个列表到指定索引，用np.insert()函数就可以搞定：

import numpy as np

# 原一维Numpy数组
M = np.array([1, 2, 3, 4])
# 要插入的列表，直接传入或转成Numpy数组都可以
insert_list = [5, 6, 7]
# 插入到索引1的位置（也就是第二个位置，Numpy索引从0开始）
new_M = np.insert(M, 1, insert_list)

print(new_M)
# 输出：[1 5 6 7 2 3 4]

2. 二维矩阵的插入 #

如果是真正的二维矩阵，要区分插入行还是列，需要指定axis参数：

插入一行

要插入的行的长度必须和原矩阵的列数一致：

import numpy as np

# 原二维矩阵
M = np.array([[1, 2], [3, 4], [7, 8]])
# 要插入的行（长度和原矩阵列数相同，都是2）
insert_row = [5, 6]
# axis=0表示沿着行的方向插入，索引1表示插在第二行的位置
new_M = np.insert(M, 1, insert_row, axis=0)

print(new_M)
# 输出：
# [[1 2]
#  [5 6]
#  [3 4]
#  [7 8]]

插入一列

要插入的列的长度必须和原矩阵的行数一致，而且需要把列表转成二维数组（不然会维度不匹配报错）：

import numpy as np

# 原二维矩阵
M = np.array([[1, 2], [3, 4], [7, 8]])
# 要插入的列，转成二维数组（reshape(-1,1)自动适配行数）
insert_col = np.array([5, 6, 9]).reshape(-1, 1)
# axis=1表示沿着列的方向插入，索引1表示插在第二列的位置
new_M = np.insert(M, 1, insert_col, axis=1)

print(new_M)
# 输出：
# [[1 5 2]
#  [3 6 4]
#  [7 9 8]]

为什么你之前的操作会出问题？ #

大概率是你用了普通Python列表的insert()方法来操作Numpy数组，或者没有处理好维度匹配。比如把Numpy数组转成列表后调用insert，再转回Numpy数组，就会把插入的列表拆成单个元素，导致整个结构变成一维的混乱数组。而用np.insert()则会严格按照Numpy数组的维度规则来处理插入操作。

内容的提问来源于stack exchange，提问作者Medo