numpy.resize

numpy.resize(a, new_shape)[source]

Возвращает новый массив с заданной формой.

Если новый массив больше исходного массива, 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 формы.

new_shapeint или кортеж из int

Форма изменённого массива.

Возвращаемое значение

reshaped_arrayndarray

Новый массив формируется из данных в старом массиве, повторяющихся при необходимости, чтобы заполнить требуемое количество элементов. Данные повторяются, итерируя по массиву в порядке C.

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 формы массива на месте.

Примечания

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

Предупреждение: Эта функциональность не учитывает оси отдельно, т.е. не применяет интерполяцию/экстраполяцию. Она заполняет возвращаемый массив требуемым числом элементов, итерируя по a в порядке C, не учитывая оси (и циклично возвращаясь к началу, если новая форма больше). Поэтому данная функциональность не подходит для изменения размера изображений или данных, где каждая ось представляет собой отдельную и самостоятельную сущность.

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]])