Python numpy.resize函数方法的使用

numpy.resize

numpy.resize(a, new_shape)      [source]

返回具有指定形状的新数组。

如果新数组大于原始数组，则新数组将填充a的重复副本。 请注意，此行为与a.resize（new_shape）不同，后者用零而不是重复的a填充。

Notes

此功能不会单独考虑轴，即它不应用interpolation/extrapolation。 它使用所需数量的元素填充返回数组，这些元素取自于它们在内存中的布局，而不考虑步幅和轴。 （这是在新形状较小的情况下。对于较大的形状，请参见上文。）因此，此功能不适用于调整图像或数据的大小，其中每个轴代表一个单独的不同实体。

例子

1）基本示例

import numpy as np

arr = np.array([1, 2, 3, 4])
new_arr = np.resize(arr, (2, 3))

print(new_arr)

2）截断数据

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])
new_arr = np.resize(arr, (2, 2))

print(new_arr)

3）与 reshape 的区别

numpy.reshape() 不能改变元素总数，如果形状不匹配会报错。numpy.resize() 可以自由扩展或截断数据。

import numpy as np

arr = np.array([1, 2, 3, 4])

# np.reshape() 不能改变大小，报错
# new_arr = np.reshape(arr, (2, 3)) 
# ValueError

# np.resize() 可以扩展
new_arr = np.resize(arr, (2, 3))
print(new_arr)

4）处理多维数组

import numpy as np

arr = np.array([[1, 2], [3, 4]])
new_arr = np.resize(arr, (3, 3))

print(new_arr)