numpy.memmap.resize#

方法

memmap.resize(new_shape, refcheck=True)#

原地更改数组的形状和大小。

参数:
new_shape整数元组，或 n 个整数

调整大小后的数组的形状。

refcheck布尔值，可选

如果为 False，则不检查引用计数。默认为 True。

返回:
None
抛出:
ValueError

如果 a 不拥有自己的数据，或者存在对其的引用或视图，并且必须更改数据内存时。仅限 PyPy：如果数据内存必须更改，则总是抛出异常，因为无法可靠地确定是否存在对其的引用或视图。

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

返回具有指定形状的新数组。

注意

如果需要，此操作会重新分配数据区域的空间。

只有连续数组（内存中数据元素连续排列的数组）才能调整大小。

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，引用计数可能以其他方式增加，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（按照数据在内存中的存储顺序），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]])

扩大数组：与上述相同，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