【Python常用函数】一文让你彻底掌握Python中的numpy.resize函数

大数据时代的到来，使得很多工作都需要进行数据挖掘，从而发现更多有利的规律，或规避风险，或发现商业价值。

而大数据分析的基础是学好编程语言。

本文和你一起来探索Python中的resize函数，让你以最短的时间明白这个函数的原理。

也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。

本文目录

安装numpy包

resize函数定义

resize函数实例

3.1 扩大一维数组的大小

3.2 缩小一维数组的大小

3.3 把一维数组变为2*3维数组

3.4 直接数组resize和np.resize对比

3.5 把二维数组调整成一维数组

一、安装numpy包

np.resize是numpy库下的函数，调用需先要安装numpy包。打开cmd，安装语句如下：

pip install numpy由于numpy库是数据分析最常用的库之一，所以我早就安装过了，再安装会提示如下内容：

二、resize函数定义np.resize是numpy库中一个函数，用于调整数组的大小。其基本调用语法如下：import numpy as np np.resize(a, new_shape)

常用参数详解：

a(array_like)：要调整大小的输入数组。

new_shape(int or tuple of ints)：整数或整数元组，用于指定输出数组的形状。

注1：如果新的形状大于原始数组的形状，那么新的数组会包含原始数组的重复副本。

注2：如果新的形状小于原始数组的形状，那么原始数组内容会被截断。

注3：np.resize不会创建新的数组空间，而是返回原始数组的视图，因此如果原始数组发生变化，新的数组也会受到影响。

三、resize函数实例

1   扩大一维数组的大小

首先导入numpy库，然后扩展一维数组的大小，具体代码如下：

#扩大一维数组的大小import numpy as nparr1 = np.array([1, 2, 3])np.resize(arr1, 5)

得到结果：

array([1, 2, 3, 1, 2])从结果知，拓展的部分用原数组的值按顺序进行了填充。

2 缩小一维数组的大小

接着缩小一维数组的大小，具体代码如下：

import numpy as np #缩小一维数组的大小arr2 = np.array([1, 2, 3, 4, 5, 6])np.resize(arr2, 4)

得到结果：

array([1, 2, 3, 4])从结果知，缩小的部分把原数组的值进行了裁剪。

3 把一维数组变为2*3维数组

接着设置参数，把一维数组变为2*3维数组，具体代码如下：

import numpy as np#把一维数组变为2*3维数组arr3 = np.array([1, 2, 3, 4, 5, 6])np.resize(arr3, (2,3))

得到结果：

array([[1, 2, 3], [4, 5, 6]])

从结果知，把一维数组调整成了2*3维数组。

4  直接数组resize和np.resize对比

先来看下直接数组resize，具体代码如下：

import numpy as np#直接数组resize和np.resize对比arr4 = np.array([[1,1], [2,3]])arr4.resize(4, 5)print(arr4)

得到结果：

[[1 1 2 3 0] [0 0 0 0 0] [0 0 0 0 0] [0 0 0 0 0]]

可以发现，和np.resize不同，直接数值resize会把缺失的部分用0值填充。

再来看下np.resize，具体代码如下：

import numpy as nparr5 = np.array([[1,1], [2,3]])arr5_resize = np.resize(arr5, (3, 3))print(arr5)print(arr5_resize)

得到结果：

[[1 1] [2 3]][[1 1 2] [3 1 1] [2 3 1]]

可以发现，np.resize会把原数组的值拉伸按顺序依次填充。

5   把二维数组调整成一维数组

最后来看下把二维数组调整成一维数组，具体代码如下：

#把多维数组调整为一维数组import numpy as np arr6 = np.array([[1, 2], [3, 4]]) resized_arr = np.resize(arr6, 4) print(resized_arr)

得到结果：

[1 2 3 4]至此，Python中的resize函数已讲解完毕，如想了解更多Python中的函数，可以翻看公众号中“学习Python”模块相关文章。

【部分群限时免费进】分群讨论学习Python、玩转Python、风控建模【29.9元进】、人工智能、数据分析相关问题，还提供练习数据资料、招聘内推信息、优秀文章、学习视频、公众号文章答疑，也可交流工作中遇到的难题。如需添加微信号19967879837，加时备注想进的群，比如学习python。

往期回顾：

一文囊括Python中的函数，持续更新。。。

一文囊括Python中的有趣案例，持续更新。。。

【Python常用函数】一文让你彻底掌握Python中的numpy.all函数

【Python常用函数】一文让你彻底掌握Python中的numpy.clip函数

【Python常用函数】一文让你彻底掌握Python中的numpy.nan函数

【Python常用函数】一文让你彻底掌握Python中的numpy.Inf函数

【Python常用函数】一文让你彻底掌握Python中的numpy.abs函数

【Python常用函数】一文让你彻底掌握Python中的numpy.add函数

【Python常用函数】一文让你彻底掌握Python中的numpy.array函数

【Python常用函数】一文让你彻底掌握Python中的numpy.append函数

限时免费进群

19967879837

添加微信号、手机号