Python numpy resize用法及代码示例

本文简要介绍 python 语言中 numpy.resize 的用法。

用法:

numpy.resize(a, new_shape)

返回具有指定形状的新数组。

如果新数组大于原始数组，则新数组中会填充 a 的重复副本。请注意，此行为与 a.resize(new_shape) 不同，后者用零填充而不是 a 的重复副本。

参数：

a： array_like

要调整大小的数组。

new_shape： int 或 int 的元组

调整大小数组的形状。

返回：

reshaped_array： ndarray

新数组由旧数组中的数据组成，必要时重复以填充所需数量的元素。数据在C-order 中的数组上重复迭代。

注意：

当数组的总大小不变时，应该使用 reshape 。在大多数其他情况下，索引(以减小大小)或填充(以增加大小)可能是更合适的解决方案。

警告：此函数不单独考虑轴，即它不应用插值/外推。它用所需数量的元素填充返回数组，迭代 C-order 中的 a，忽略轴(如果新形状更大，则从头开始循环)。因此，此函数不适合调整图像或每个轴代表单独且不同实体的数据的大小。

例子：

>>> a=np.array([[0,1],[2,3]])
>>> np.resize(a,(2,3))
array([[0, 1, 2],
       [3, 0, 1]])
>>> np.resize(a,(1,4))
array([[0, 1, 2, 3]])
>>> np.resize(a,(2,4))
array([[0, 1, 2, 3],
       [0, 1, 2, 3]])