numpy.ndarray.resize#

方法

ndarray.resize(new_shape, refcheck=True)#

就地改变数组的形状和大小。

参数:
new_shape整数元组，或 n 个整数

调整大小后的数组的形状。

refcheck布尔值，可选

如果为 False，将不检查引用计数。默认为 True。

返回:
无
抛出:
ValueError

如果 a 不拥有自己的数据，或者存在对它的引用或视图，并且数据内存必须被改变时。仅限于 PyPy：如果数据内存必须被改变，则总是会抛出，因为没有可靠的方法来确定是否存在对它的引用或视图。

SystemError

如果指定了 order 关键字参数。此行为是 NumPy 中的一个错误。

另请参阅

resize

返回一个具有指定形状的新数组。

注意

如果需要，这将重新分配数据区域的空间。

只有连续数组（数据元素在内存中是连续的）可以被调整大小。

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。然而，引用计数可以通过其他方式增加，因此如果您确信您没有与另一个 Python 对象共享此数组的内存，那么您可以安全地将 refcheck 设置为 False。

示例

收缩数组：数组会被展平（按照数据在内存中的存储顺序），然后调整大小并重新塑形

>>> import numpy as np

>>> 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：同上，但缺失的条目将用零填充

>>> 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]])
在本页