numpy.core.defchararray.chararray.resize

方法

chararray.resize(new_shape, refcheck=True)

就地更改数组的形状和大小。

参数:

new_shape ：整数元组，或 n 英茨 : 整数的元组，或n个整数

已调整大小的数组的形状。

再检查 : 可选的布尔

如果为false，则不检查引用计数。默认值为true。

返回:

None

加薪:

ValueError

如果 a 不拥有自己的数据或对其存在的引用或视图，必须更改数据内存。仅PYPY：如果必须更改数据内存，则将始终引发，因为没有可靠的方法来确定对它的引用或视图是否存在。

SystemError

如果 order 指定了关键字参数。这种行为是 NumPy 缺陷。

参见

resize

返回具有指定形状的新数组。

笔记

这会在必要时为数据区域重新分配空间。

只能调整连续数组（内存中连续的数据元素）的大小。

引用计数检查的目的是确保不将此数组用作另一个Python对象的缓冲区，然后重新分配内存。但是，引用计数可能以其他方式增加，因此如果您确定没有与另一个Python对象共享此数组的内存，那么可以安全地设置 refcheck 错了。

实例

收缩数组：数组被展平（按数据存储在内存中的顺序），调整大小并重新整形：

>>> a = np.array([[0, 1], [2, 3]], order='C')
>>> a.resize((2, 1))
>>> a
array([[0],
       [1]])

>>> a = np.array([[0, 1], [2, 3]], order='F')
>>> a.resize((2, 1))
>>> a
array([[0],
       [2]])

放大数组：如上所述，但缺少的项用零填充：

>>> b = np.array([[0, 1], [2, 3]])
>>> b.resize(2, 3) # new_shape parameter doesn't have to be a tuple
>>> b
array([[0, 1, 2],
       [3, 0, 0]])

引用数组会阻止调整大小…

>>> c = a
>>> a.resize((1, 1))
Traceback (most recent call last):
...
ValueError: cannot resize an array that has been referenced ...

除非 refcheck 是假的：

>>> a.resize((1, 1), refcheck=False)
>>> a
array([[0]])
>>> c
array([[0]])