numpy.resize#

numpy.resize(a, new_shape)[source]#

返回一个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 a 的重复副本填充。

参数：

aarray_like: 要调整大小的数组。
new_shapeint 或 int 元组: 调整大小后的数组形状。

返回：

reshaped_arrayndarray: 新数组由旧数组中的数据构成，必要时重复以填充所需数量的元素。数据以 C 顺序迭代数组进行重复。

另请参见

numpy.reshape: 在不改变总大小的情况下重新调整数组的形状。
numpy.pad: 扩大和填充数组。
numpy.repeat: 重复数组的元素。
ndarray.resize: 就地调整数组大小。

备注

当数组的总大小不改变时，应使用 reshape。在大多数其他情况下，索引（减小大小）或填充（增大大小）可能是更合适的解决方案。

警告：此功能**不会**分别考虑轴，即它不应用插值/外推。它用所需数量的元素填充返回数组，以 C 顺序迭代 a，忽略轴（如果新形状较大，则从开头循环返回）。因此，此功能不适合调整图像大小或每个轴代表单独且不同实体的数据。

示例

>>> import numpy as np
>>> 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]])