怎么在Python矩阵的指定行或列插入新数据

在 Python 中对矩阵进行指定行或列的插入操作，核心取决于矩阵的数据载体是 NumPy 数组 还是 原生嵌套列表。在科学计算与数据分析场景中，矩阵通常使用 NumPy 的二维数组表示，标准做法是调用 np.insert() 函数，通过指定 axis=0 插入行、指定 axis=1 插入列；如果是在纯原生 Python 环境中使用嵌套列表（list of lists），行插入可以直接使用列表内置的 insert() 方法，列插入则需要结合列表推导式逐行插入元素。本文将结合具体的代码、维度匹配规则和示意图，逐项介绍两类场景的操作方法与关键细节。

一、理解矩阵插入的轴向与维度机制

在向矩阵插入数据前，理解两个关键概念是避免报错的前提：插入轴（Axis） 与 维度对齐（Shape Match）。在 NumPy 的二维矩阵中，第 0 轴（axis=0）代表行方向，沿垂直方向移动；第 1 轴（axis=1）代表列方向，沿水平方向移动。

当插入新行时，待插入数据的元素数量必须与矩阵原有的列数一致；当插入新列时，待插入数据的元素数量必须与矩阵原有的行数一致。如果数据维度与既有矩阵边界不匹配，Python 将无法确定广播或填充的方式，进而抛出形状异常。

图 1：NumPy 矩阵插入时的轴向（axis）与形状扩展对应关系

二、使用 NumPy 的 np.insert() 插入行或列

NumPy 提供了专门的数组插入接口 numpy.insert(arr, obj, values, axis=None)。其中各参数的定义如下：

• arr：输入的源矩阵（ndarray）。
• obj：插入的目标索引位置。例如传入 0 表示插在最前，传入 1 表示插在第 1 项之后成为新索引 1，支持负数索引。
• values：准备插入的数据。可以是一维数组、同形状的切片或标量（支持广播）。
• axis：指定的维度轴。axis=0 代表行，axis=1 代表列。若不传则会将数组展平后插入。

1. 在指定行插入新行（axis=0）

假设我们有一个 2×3 的矩阵，希望在第 1 行位置（即原有第 0 行和第 1 行之间）插入一行新数据 [70, 80, 90]：

import numpy as np

# 1. 创建 2x3 的初始矩阵
matrix = np.array([
    [10, 20, 30],
    [40, 50, 60]
])

# 2. 定义待插入的新行，元素个数必须与当前矩阵的列数（3）一致
new_row = np.array([70, 80, 90])

# 3. 指定在索引 1 处插入行 (axis=0)
result_matrix = np.insert(matrix, 1, new_row, axis=0)

print("插入新行后的矩阵：")
print(result_matrix)
print("新矩阵形状：", result_matrix.shape)

示例输出如下：

插入新行后的矩阵：
[[10 20 30]
 [70 80 90]
 [40 50 60]]
新矩阵形状： (3, 3)

2. 在指定列插入新列（axis=1）

同样对于上述 2×3 的矩阵，如果希望在第 2 列位置插入一列新数据，该新列必须拥有 2 个元素（与行数对应）。此时可以传入一维序列或列向量：

import numpy as np

matrix = np.array([
    [10, 20, 30],
    [40, 50, 60]
])

# 待插入的数据：包含 2 个元素，分别分配给第 0 行和第 1 行
new_col = np.array([99, 88])

# 在索引 2 处插入新列 (axis=1)
result_matrix = np.insert(matrix, 2, new_col, axis=1)

print("插入新列后的矩阵：")
print(result_matrix)
print("新矩阵形状：", result_matrix.shape)

示例输出如下：

插入新列后的矩阵：
[[10 20 99 30]
 [40 50 88 60]]
新矩阵形状： (2, 4)

值得注意的是，np.insert 在 axis=1 插入一维列表 [99, 88] 时，会自动将其按顺序分配到各个行对应的列位置上，不需要手动通过 reshape(-1, 1) 转为二维列向量。

图 2：np.insert() 规范操作四步流程

三、使用原生 Python 二维列表（Nested Lists）操作

如果不使用第三方库 NumPy，仅依靠标准库中的嵌套列表构建矩阵，插入行与列的实现方式存在本质差异。

1. 在二维列表中插入行

二维列表的外层本质是一个包含各行子列表的一维列表。因此，向矩阵插入整行只需直接调用外层列表的 insert(index, element) 方法即可，这属于原位修改操作：

# 初始二维列表（2x3 结构）
matrix = [
    [10, 20, 30],
    [40, 50, 60]
]

new_row = [70, 80, 90]

# 在索引 1 的位置插入整行（原地修改）
matrix.insert(1, new_row)

print("原生列表插入行结果：")
for r in matrix:
    print(r)

示例输出如下：

原生列表插入行结果：
[10, 20, 30]
[70, 80, 90]
[40, 50, 60]

2. 在二维列表中插入列

原生列表没有类似二维数组的“列”实体对象。矩阵的每一行都是独立的列表实例，要给矩阵插入一列，必须逐行遍历并在每行的指定索引处插入对应的元素：

matrix = [
    [10, 20, 30],
    [40, 50, 60]
]

# 准备插入的列数据，元素数量必须与当前行数（2）相同
new_col = [99, 88]
col_index = 1  # 打算插入在第 1 列的位置

# 方法 A：使用 for 循环原地修改各行
for row, val in zip(matrix, new_col):
    row.insert(col_index, val)

print("原生列表逐行修改插入列：")
for r in matrix:
    print(r)

如果希望像 NumPy 一样保持原列表不被破坏、生成一个新的列表副本，可使用列表推导式：

# 方法 B：使用列表推导式生成新矩阵副本
clean_matrix = [
    [10, 20, 30],
    [40, 50, 60]
]
new_col = [99, 88]
col_index = 1

new_matrix = [
    row[:col_index] + [val] + row[col_index:]
    for row, val in zip(clean_matrix, new_col)
]

print("生成新列表副本：")
for r in new_matrix:
    print(r)

图 3：原生嵌套列表在行插入与列插入时的内存操作路径差异

四、关键细节与常见避坑指南

五、方案选型与总结

综合上述两种技术路径，下表列出了 NumPy 与原生二维列表在矩阵插入任务中的关键对比：

图 4：矩阵插入技术选型要点与排错自查卡