numpy.matrix.resize#

方法

matrix.resize(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

调整大小后数组的形状。

refcheck布尔值,可选

如果为 False,则不会检查引用计数。默认值为 True。

返回值:
引发:
ValueError

如果 a 不拥有自己的数据或存在对它的引用或视图,并且必须更改数据内存。PyPy 仅:如果必须更改数据内存,则始终会引发异常,因为无法可靠地确定是否还有对它的引用或视图。

SystemError

如果指定了 order 关键字参数。此行为是 NumPy 中的一个错误。

参见

resize

返回具有指定形状的新数组。

备注

如果需要,这将重新分配数据区域的空间。

只有连续数组(数据元素在内存中连续)可以调整大小。

检查引用计数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将此数组的内存与另一个 Python 对象共享,那么您可以安全地将 refcheck 设置为 False。

示例

缩小数组:数组被展平(按数据在内存中存储的顺序),调整大小,然后重新整形

>>> 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]])

扩展数组:如上所述,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]])