使用 numpy.insert() 时若未指定 axis 参数，数组会被自动展平，导致二维结构坍缩为一维；需显式传入 axis=0（行方向）或 axis=1（列方向）以保持原始维度结构。
使用 `numpy.insert()` 时若未指定 `axis` 参数，数组会被自动展平，导致二维结构坍缩为一维；需显式传入 `axis=0`（行方向）或 `axis=1`（列方向）以保持原始维度结构。
在 NumPy 中，numpy.insert() 是一个功能强大但容易误用的函数。其关键行为在于：当不指定 axis 参数时，arr 会先被展平（flattened）为一维数组，再执行插入操作。这正是你遇到“维度丢失”问题的根本原因。
回顾你的原始代码：
import numpy as np
first = np.array([[0, 0]]) # shape: (1, 2) —— 1 行 × 2 列的二维数组
print("初始形状:", first.shape) # 输出: (1, 2)
temp = np.array([1, 1]) # shape: (2,) —— 一维向量
# ❌ 错误：未指定 axis → first 被展平为 [0, 0]，再插入 1 和 1 → 得到 [1 1 0 0]
first = np.insert(first, 0, temp)
print("插入后:", first) # 输出: [1 1 0 0] → shape: (4,), 已降维！
print("此时形状:", first.shape) # (4,)
此时 first 已不再是二维数组，而是一维向量，后续 first = first[:-1] 就只会删掉最后一个数字（即 0），而非整行——完全偏离了“增行→删行”的设计意图。
✅ 正确做法是显式指定 axis=0，表示沿第 0 轴（行方向）插入，将 temp 作为新行加入：
import numpy as np
first = np.array([[0, 0]]) # shape: (1, 2)
temp = np.array([1, 1]) # shape: (2,)
# ✅ 正确：axis=0 表示在行维度插入，保持二维结构
first = np.insert(first, 0, temp, axis=0) # 插入到索引 0 位置（最前面）
print("插入后:\n", first)
# 输出:
# [[1 1]
# [0 0]]
print("此时形状:", first.shape) # (2, 2)
# ✅ 现在可安全删除最后一行
first = first[:-1]
print("删除最后一行后:\n", first)
# 输出: [[1 1]]
print("最终形状:", first.shape) # (1, 2)
? 关键要点总结：
-
axis=0：沿行方向操作（新增/删除行），适用于在二维数组顶部/中间插入整行； -
axis=1：沿列方向操作（新增/删除列），要求values的长度与原数组行数一致； - 若
values是一维数组（如[1,1]），插入到axis=0时，NumPy 会自动广播匹配列数； - 始终通过
arr.shape验证维度变化，避免隐式展平陷阱。
? 进阶提示：若需频繁进行“追加行”操作，np.vstack() 更直观：
first = np.vstack([temp, first]) # 等价于 insert(..., axis=0)
但注意：vstack 不支持插入到中间位置，灵活性略低于 insert。选择取决于具体场景——明确维度语义，方能写出健壮的 NumPy 代码。
