python中resize数组_python numpy ndarray.resize用法及代码示例

就地更改数组的形状和大小。

参数：new_shape： ： tuple of ints, 或 n ints

调整大小后的数组的形状。

refcheck： ： bool, 可选参数

如果为False，则不会检查引用计数。默认值为True。

返回值：None：

异常：ValueError：

如果a不拥有自己的数据或存在对其的引用或视图，则必须更改数据存储器。仅PyPy：如果必须更改数据存储器，将始终升高，因为没有可靠的方法来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中的错误。

注意：

如有必要，这将为数据区域重新分配空间。

只能调整连续数组(在内存中连续的数据元素)的大小。

引用计数检查的目的是确保不要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，如果您确定尚未与另一个Python对象共享该数组的内存，则可以安全地将refcheck设置为False。

例子：

缩小数组：将数组展平(按数据存储在内存中的顺序)，调整大小并调整形状：

>>> 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，但缺少的条目用零填充：

>>> 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]])

引用数组可防止调整大小…

>>> 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]])