Numpy中reshape()和resize()方法的区别

下面是对Numpy中reshape()和resize()方法的详细讲解及说明。

reshape()方法

概述

reshape()方法是将一个数组转化为指定的形状。该方法返回的是一个新的数组，而原数组并没有发生改变。

语法

reshape()方法的语法如下：numpy.reshape(arr, newshape, order='C')

参数说明：

• arr：数组。
• newshape： 新数组的形状，为整数或整数数组。
• order：可选参数，默认值是'C'，表示按行读取，另一种方式是'F'，表示按列读取。

示例说明

示例1：

import numpy as np

arr1 = np.array([1,2,3,4,5,6])
print("原数组：\n", arr1)

newarr1 = arr1.reshape((3,2))
print("新数组：\n", newarr1)

输出结果：

原数组：
[1 2 3 4 5 6]
新数组：
[[1 2]
 [3 4]
 [5 6]]

示例2：

import numpy as np

arr2 = np.arange(8)
print("原数组：\n", arr2)

newarr2 = np.reshape(arr2, (2, 4))
print("新数组：\n", newarr2)

newarr2.shape = (4, 2)
print("新数组（使用shape属性）：\n", newarr2)

输出结果：

原数组：
[0 1 2 3 4 5 6 7]
新数组：
[[0 1 2 3]
 [4 5 6 7]]
新数组（使用shape属性）：
[[0 1]
 [2 3]
 [4 5]
 [6 7]]

resize()方法

概述

resize()方法也是将一个数组转化为指定的形状，与reshape()相同。不同的是，resize()方法会修改原始数组的形状和大小。

语法

resize()方法的语法如下：numpy.resize(arr, new_shape)

参数说明：

• arr：数组。
• new_shape： 新数组的形状。

示例说明

示例1：

import numpy as np

arr3 = np.array([1,2,3,4,5,6])
print("原数组：\n", arr3)

arr3.resize((3,2))
print("新数组：\n", arr3)

输出结果：

原数组：
[1 2 3 4 5 6]
新数组：
[[1 2]
 [3 4]
 [5 6]]

示例2：

import numpy as np

arr4 = np.arange(8)
print("原数组：\n", arr4)

arr4.resize((2, 4))
print("新数组：\n", arr4)

输出结果：

原数组：
[0 1 2 3 4 5 6 7]
新数组：
[[0 1 2 3]
 [4 5 6 7]]

可以看到，在第2个示例中，使用resize()方法改变了原数组的形状和大小，而使用reshape()方法则没有。这是resize()方法和reshape()方法的主要区别。