python ，numpy 模块中 resize 和 reshape的区别

最新推荐文章于 2025-07-02 22:17:27 发布

原创最新推荐文章于 2025-07-02 22:17:27 发布 · 3w 阅读

80 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #resize #reshape

机器学习同时被 2 个专栏收录

27 篇文章

订阅专栏

numpy

4 篇文章

订阅专栏

本文详细介绍了Numpy中resize和reshape的区别与用法。resize用于改变数组的尺寸大小，有两种方式：一种会直接修改原始数组，另一种则返回新的数组而不改变原数组；reshape则用于在不改变数据的情况下给数组赋予新的形状。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在numpy模块中，我们经常会使用resize 和 reshape,在具体使用中，通常是使用resize改变数组的尺寸大小，使用reshape用来增加数组的维度。

1.resize

之前看到别人的博客说，resize没有返回值，其实这取决于你如何使用resize,resize有两种使用方式，一种是没有返回值的，直接对原始的数据进行修改，还有一种用法是有返回值的，所以不会修改原有的数组值。

1.1有返回值，不对原始数据进行修改

import numpy as np
X=np.array([[1,2,3,4],
              [5,6,7,8],
              [9,10,11,12]])

X_new=np.resize(X,(3,3)) # do not change the original X
print("X:\n",X)  #original X
print("X_new:\n",X_new) # new X

>>
X:
 [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
X_new:
 [[1 2 3]
 [4 5 6]
 [7 8 9]]

1.2 无返回值，直接修改原始数组的大小

import numpy as np
X=np.array([[1,2,3,4],
              [5,6,7,8],
              [9,10,11,12]])

X_2=X.resize((3,3))  #change the original X ,and do not return a value
print("X:\n",X)  # change the original X
print("X_2:\n",X_2) # return None


X:
 [[1 2 3]
 [4 5 6]
 [7 8 9]]
X_2:
 None

2.reshape

给数组一个新的形状而不改变其数据

import numpy as np
X=np.array([1,2,3,4,5,6,7,8])

X_2=X.reshape((2,4)) #retuen a 2*4 2-dim array
X_3=X.reshape((2,2,2)) # retuen a 2*2*2 3-dim array

print("X:\n",X)
print("X_2:\n",X_2)
print("X_3:\n",X_3)

>>
X:
 [1 2 3 4 5 6 7 8]
X_2:
 [[1 2 3 4]
 [5 6 7 8]]
X_3:
 [[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]