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]])