Numpy中的resize()函数用于调整数组的大小，它的操作方式与reshape()函数有些相似，但resize()函数不会限制调整后数组的大小。
resize()函数的语法如下：
numpy.resize(arr, shape)
其中，arr为需要调整大小的数组，shape为调整后的目标大小。需要注意的是，shape必须是一个整数或者是一个整数元组。
现在我们来看两个实例：
实例1
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print('原数组：', a)
b = np.resize(a,(3,2))
print('resize后数组：', b)输出结果为：
原数组： [[1 2 3]
[4 5 6]]
resize后数组： [[1 2]
[3 4]
[5 6]]在这个实例中，我们首先定义了一个形状为(2,3)的ndarray，然后使用resize()函数将它调整为了(3,2)的ndarray。可以看到，原数组的每一行依次排列在resize后数组的每一列中，并且resize()函数会对原数组进行重复填充以满足目标大小。
实例2
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.resize(a,(3,4))
print('resize后数组：', b)输出结果为：
resize后数组： [[1 2 3 4]
[5 6 1 2]
[3 4 5 6]]在这个实例中，我们同样调整了一个形状为(2,3)的ndarray，但是目标大小设置为了(3,4)。这时候，resize()函数会将原数组复制列扩展到目标大小，并且会对原数组也会进行重复填充以满足目标大小。
除此之外，我们还可以通过reshape()函数进行对ndarray的大小调整，但是它与resize()函数的区别在于：reshape()函数需要保证调整后数组的元素数量与调整前数组的元素数量相等，否则会抛出异常；而resize()函数则可以对调整后的数组进行扩展或压缩。
本文链接：https://my.lmcjl.com/post/19805.html
展开阅读全文
4 评论