极客教程numpy reshape和resize
在使用numpy进行数据处理和数组操作时，经常会遇到需要改变数组形状的情况。reshape和resize这两个函数是numpy中常用的数组形状操作函数，它们可以帮助我们快速灵活地改变数组的形状。
numpy.reshape
reshape函数可以用来改变数组的形状，返回一个新的数组，而不改变原数组的数据。这个函数的使用方式是：
import numpy as np
# 创建一个新的一维数组
a = np.array([1,2,3,4,5,6])
# 将一维数组reshape为2行3列的二维数组
b = np.reshape(a, (2,3))
print(b)
运行以上代码，打印出的结果为：
[[1 2 3]
[4 5 6]]
在这个示例中，原始的一维数组[1,2,3,4,5,6]被reshape成了一个2行3列的二维数组。需要注意的是，reshape函数会尽可能按照指定的形状进行数组重塑，但是需要保证新数组的总元素个数与旧数组相同，否则会报错。
另外，你也可以在函数调用时直接在数组后面使用.reshape()方法来改变数组形状，例如：
a = np.array([1,2,3,4,5,6])
b = a.reshape(2,3)
print(b)
这两种方法都能成功地改变数组的形状。
numpy.resize
resize函数可以让我们在保持数组总元素个数不变的前提下，改变数组的形状。与reshape不同的是，resize会直接改变原数组的形状和数据。
import numpy as np
# 创建一个新的一维数组
a = np.array([1,2,3])
# 将一维数组resize为2行2列的二维数组
b = np.resize(a, (2,2))
print(b)
运行以上代码，打印出的结果为：
[[1 2]
[3 1]]
在这个示例中，原始的一维数组[1,2,3]被resize成了一个2行2列的二维数组。需要注意的是，如果resize的目标形状比原数组元素个数多，那么原数组的数据会被重复利用直到达到目标形状要求。
另外，resize函数也支持直接在数组后面使用.resize()方法来改变数组形状，例如：
a = np.array([1,2,3])
b = a.resize(2,2)
print(b)
这样也能成功地改变数组的形状。
总的来说，reshape和resize函数都是非常实用的numpy数组形状操作函数，能够帮助我们轻松地改变数组的形状以适应不同的数据处理需求。在实际应用中，根据具体情况选择合适的函数来进行数组形状操作是非常重要的。