Question

我知道有几个关于numpy.resize（array，new_size）的问题，但它没有为我做任何事情。现在，我有x_array.shape ==（1456,26）和x_array.shape ==（1456,1）。我需要一种方法来使他们的形状相等。我尝试了np.resize（x_array，y_array.shape），但它没有做任何事情（没有错误，没有变化）。是否有可能改变这样的形状？两者都是numpy.ndarray类型。谢谢。

Answer 1

来自文档的

np.resize 返回具有指定形状的新数组。，因此x_array将保留（1456,26）。

x_array = np.ones([1456, 26])
print x_array

y_array = np.ones([1456, 1])
print y_array

new_array = np.resize(x_array, y_array.shape)
print new_array

需要将调整大小的数组分配给新数组。

Answer 2

虽然技术上可以使用numpy.resize调整numpy数组的大小（例如，参见this answer），但使用强大的numpy array indexing来实现相同的转换目标通常会更方便一个ndarray的形状。

所以，如果你的问题是

我需要一种使形状相等的方法，

有两种可能的解决方案：

您想要扩展y_array。为此，只需创建一个新数组y_ext，然后将y_array中的元素复制到其中：
```
y_ext = numpy.zeros((1456,26))   # y_ext.shape == (1456,26)
y_ext[:,0] = y_array[:,0]
```

您想修剪x_array。它甚至更简单：

x_trimmed = x_array[:,0]     # x_trimmed.shape == (1456,)
y_trimmed = y_array[:,0]     # y_trimmed.shape == (1456,)

请注意，在后一种情况下，x_trimmed形状为(1456,)，而不是(1456,1)。这就是y_array被“修剪”的原因（它变成了1-dim数组），因此x_trimmed和y_trimmed形状变得真正相等。

我无法调整numpy.ndarrays的大小

2 个答案: