numpy.ndarray.resize #

方法

ndarray。调整大小( new_shape , refcheck = True ) #

就地更改数组的形状和大小。

参数
new_shape整数元组,或n个整数

调整大小的数组的形状。

refcheck布尔值,可选

如果为 False,则不会检查引用计数。默认为 True。

返回
没有任何
加薪
值错误

如果a不拥有自己的数据或对其的引用或视图存在,则必须更改数据内存。仅 PyPy:如果必须更改数据内存,则始终会引发,因为没有可靠的方法来确定对其的引用或视图是否存在。

系统错误

如果指定了order关键字参数。此行为是 NumPy 中的一个错误。

也可以看看

resize

返回具有指定形状的新数组。

笔记

如有必要,这会为数据区域重新分配空间。

仅连续数组(内存中连续的数据元素)可以调整大小。

引用计数检查的目的是确保您不会将此数组用作另一个 Python 对象的缓冲区,然后重新分配内存。但是,引用计数可以通过其他方式增加,因此如果您确定没有与另一个 Python 对象共享该数组的内存,那么您可以安全地将 refcheck设置为 False。

例子

缩小数组:数组被展平(按照数据存储在内存中的顺序)、调整大小和重塑:

>>> a = np.array([[0, 1], [2, 3]], order='C')
>>> a.resize((2, 1))
>>> a
array([[0],
       [1]])
>>> a = np.array([[0, 1], [2, 3]], order='F')
>>> a.resize((2, 1))
>>> a
array([[0],
       [2]])

扩大数组:如上所述,但缺失的条目用零填充:

>>> b = np.array([[0, 1], [2, 3]])
>>> b.resize(2, 3) # new_shape parameter doesn't have to be a tuple
>>> b
array([[0, 1, 2],
       [3, 0, 0]])

引用数组会阻止调整大小...

>>> c = a
>>> a.resize((1, 1))
Traceback (most recent call last):
...
ValueError: cannot resize an array that references or is referenced ...

除非refcheck为 False:

>>> a.resize((1, 1), refcheck=False)
>>> a
array([[0]])
>>> c
array([[0]])