numpy reshape和resize的区别（一清二楚）

最新推荐文章于 2025-09-16 10:00:00 发布

原创最新推荐文章于 2025-09-16 10:00:00 发布 · 4.8k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#python #numpy

Python 同时被 2 个专栏收录

2 篇文章

订阅专栏

面试题

1 篇文章

订阅专栏

本文详细介绍了numpy数组操作中resize和reshape的区别。resize会直接改变原数组的形状，可放大或缩小，多余或不足的元素通过0填充或直接丢弃。而reshape返回新数组，不改变原数组，且要求reshape前后元素总数相同。示例代码展示了resize和reshape的不同行为，强调了它们在元素数量不变条件下的应用。

主要两点区别。

区别一：

resize 无返回值（返回值为None），会改变原数组。

reshape 有返回值，返回值是被reshape后的数组，不会改变原数组。

import numpy as np

A = np.array([1, 2, 3, 4, 5, 6])

print("A:\n", A)

A_resize = A.resize((2, 3))
print("A_resize:\n", A_resize)
print("A(after resize):\n", A)

print('-'*10)

B = np.array([1, 2, 3, 4, 5, 6])

print("B:\n", B)

B_reshape = B.reshape((2, 3))
print("B_reshape:\n", B_reshape)
print("B(after reshape):\n", B)

区别二：

resize 可以放大或者缩小原数组的形状：放大时，会用0补全剩余元素；缩小时，直接丢弃多余元素。

reshape 要求reshape前后元素个数相同，否则会报错，无法运行。

import numpy as np

A = np.array([1, 2, 3, 4, 5, 6])

print("A:\n", A)

# 放大
A_resize = A.resize((3, 4))
print("A_resize:\n", A_resize)
print("A(after resize):\n", A)

# 缩小
A_resize = A.resize((2, 2))
print("A_resize:\n", A_resize)
print("A(after resize):\n", A)

print('-'*10)

B = np.array([1, 2, 3, 4, 5, 6])

print("B:\n", B)

B_reshape = B.reshape((3, 4))  # 这句会报错，reshape前后元素个数应当相同
print("B_reshape:\n", B_reshape)
print("B(after reshape):\n", B)