
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 建立和運算元組
- NumPy - 陣列建立例程
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 遍歷陣列
- NumPy - 陣列重塑
- NumPy - 連線陣列
- NumPy - 堆疊陣列
- NumPy - 分割陣列
- NumPy - 扁平化陣列
- NumPy - 轉置陣列
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列操作
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 副本和檢視
- NumPy - 元素級陣列比較
- NumPy - 過濾陣列
- NumPy - 連線陣列
- NumPy - 排序、搜尋和計數函式
- NumPy - 搜尋陣列
- NumPy - 陣列的並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- Numpy - 載入陣列
- Numpy - 儲存陣列
- NumPy - 將值追加到陣列
- NumPy - 交換陣列的列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 填充缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- Numpy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程組
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位數
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy resize() 函式
Numpy 的resize()函式返回一個具有指定形狀的新陣列,並調整輸入陣列的大小。reshape()函式要求元素總數保持不變,而resize()可以透過截斷或填充陣列來更改元素總數。
如果新形狀大於原始形狀,則陣列將用原始資料的重複副本填充。如果新形狀較小,則陣列將被截斷。
此函式以輸入陣列和新形狀作為引數,並可以選擇一個refcheck引數來控制是否檢查對原始陣列的引用。
語法
以下是 Numpy resize() 函式的語法:
numpy.resize(arr, shape)
引數
以下是 Numpy resize() 函式的引數:
- arr: 要調整大小的輸入陣列。
- shape: 結果陣列的新形狀。
- shape: 結果陣列的新形狀。
示例 1
以下是 Numpy resize() 函式的示例,它展示瞭如何重塑一個二維陣列,透過截斷或重複元素以適應新的指定維度:
import numpy as np # Create a 2D array a = np.array([[1, 2, 3], [4, 5, 6]]) print('First array:') print(a) print('\n') print('The shape of the first array:') print(a.shape) print('\n') # Resize the array to shape (3, 2) b = np.resize(a, (3, 2)) print('Second array:') print(b) print('\n') print('The shape of the second array:') print(b.shape) print('\n') # Resize the array to shape (3, 3) # Note: This will repeat elements of 'a' to fill the new shape print('Resize the second array:') b = np.resize(a, (3, 3)) print(b)
以上程式將產生以下輸出:
First array: [[1 2 3] [4 5 6]] The shape of first array: (2, 3) Second array: [[1 2] [3 4] [5 6]] The shape of second array: (3, 2) Resize the second array: [[1 2 3] [4 5 6] [1 2 3]]
示例 2
以下是另一個將大小為 4x3 的給定陣列調整為 6x2 和 3x4 的示例:
import numpy as np # Create an initial 4x3 array array = np.array([[1, 2, 3], [4, 5, 6],[7,8,9],[10,11,12]]) print("Original array:") print(array) print("\n") # Resize the array to shape (6, 2) resized_array = np.resize(array, (6, 2)) print("Resized array to shape (6, 2):") print(resized_array) print("\n") # Resize the array to shape (3, 4) resized_array_larger = np.resize(array, (3, 4)) print("Resized array to shape (3, 4) with repeated elements:") print(resized_array_larger)
以上程式將產生以下輸出:
Original array: [[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]] Resized array to shape (6, 2): [[ 1 2] [ 3 4] [ 5 6] [ 7 8] [ 9 10] [11 12]] Resized array to shape (3, 4) with repeated elements: [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]
numpy_array_manipulation.htm
廣告