【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

1. 安装numpy包
2. resize函数定义
3. 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： 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 np arr5 = 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。