numpy.resize

numpy.resize(a, new_shape) [source]

Возвращает новый массив со заданной формой.

Если новый массив больше исходного, то новый массив заполняется повторяющимися копиями a. Обратите внимание, что это поведение отличается от a.resize(new_shape), которое заполняет нулями вместо повторяющихся копий a.

Параметры

aarray_like

Массив, подлежащий изменению размера.

new_shapeint or tuple of int

Форма массива после изменения размера.

Возвращаемое значение

reshaped_arrayndarray

Новый массив формируется из данных в старом массиве, повторяемых при необходимости, чтобы заполнить требуемое число элементов. Данные повторяются в порядке их хранения в памяти.

См. также

np.reshape

Изменение формы массива без изменения общего размера.

np.pad

Увеличение и заполнение массива.

np.repeat

Повторение элементов массива.

ndarray.resize

Изменение размера массива на месте.

Примечания

Когда общий размер массива не меняется, следует использовать reshape. В большинстве других случаев либо индексирование (для уменьшения размера), либо заполнение (для увеличения размера) могут быть более подходящим решением.

Предупреждение: Эта функция не рассматривает оси отдельно, т. е. она не применяет интерполяцию/экстраполяцию. Она заполняет возвращаемый массив требуемым числом элементов, взятых из a в том порядке, в котором они расположены в памяти, не учитывая шаги и оси. (Это в случае, если новая форма меньше. Для большего, см. выше.) Поэтому эта функция не подходит для изменения размера изображений или данных, где каждая ось представляет собой отдельный и самостоятельный элемент.

Примеры

>>> 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]])