在Numpy中使用数组时，resize和reshape有什么区别？

我刚开始使用'NumPy'，我试图了解阵列的resize和reshape之间的区别。在Numpy中使用数组时，resize和reshape有什么区别？

2017-01-07 Rish_Saxena

你有没有尝试过任何研究？ – TigerhawkT3

sum（ndarray.shape）''''和''ndarray.size''在''''ndarray.reshape'''后面是一样的。 ''''ndarray.resize'''后面的值会有所不同 – wwii

'reshape'一直在使用; “调整大小”是很少需要的，并且经常让初学者感到困惑;忽略它。 – hpaulj

重塑不会像提到的here那样更改数据。调整大小改变数据，可以看到here。

下面是一些例子：

>>> numpy.random.rand(2,3) 
array([[ 0.6832785 , 0.23452056, 0.25131171], 
     [ 0.81549186, 0.64789272, 0.48778127]]) 
>>> ar = numpy.random.rand(2,3) 
>>> ar.reshape(1,6) 
array([[ 0.43968751, 0.95057451, 0.54744355, 0.33887095, 0.95809916, 
     0.88722904]]) 
>>> ar 
array([[ 0.43968751, 0.95057451, 0.54744355], 
     [ 0.33887095, 0.95809916, 0.88722904]])

重塑后的阵列并没有改变，而只是输出一个临时数组重塑。

>>> ar.resize(1,6) 
>>> ar 
array([[ 0.43968751, 0.95057451, 0.54744355, 0.33887095, 0.95809916, 
     0.88722904]])

调整大小后，数组改变了它的形状。

来源

2017-01-07 06:11:19

由于OP没有指定，我会指出'ar.resize（rows，cols）'改变了原始数组的位置，而'np.resize（ar，X）'只输出一个改变大小的数组， 'ar'保持不变。此外，如果新尺寸大于原始'ar'，'ar.resize'在最后加上零，而'np.resize'重复原来的'ar'。 –

在Numpy中使用数组时，resize和reshape有什么区别？

回答

相关问题