numpy.resize

numpy.resize(a, new_shape)[source]

Возвращает новый массив со заданной формой.

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

Параметры:

aarray_like

Массив, подлежащий изменению формы.

new_shapeint или кортеж из int

Форма результирующего массива.

Возвращает:

reshaped_arrayndarray

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

См. также

numpy.reshape

Изменить форму массива без изменения общего размера.

numpy.pad

Увеличить и заполнить массив.

numpy.repeat

Повторить элементы массива.

ndarray.resize

Изменить форму массива на месте.

Примечания

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

Предупреждение: Эта функциональность не рассматривает оси отдельно, т. е. она не применяет интерполяцию/экстраполяцию. Она заполняет возвращаемый массив требуемым количеством элементов, итерируя по a в порядке C, игнорируя оси (и возвращаясь к началу, если новая форма больше). Эта функциональность поэтому не подходит для изменения размера изображений или данных, где каждая ось представляет собой отдельную и отличную 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]])