Numpy resize在使用-1语法时给出了意外的数组大小

Question

我试图理解numpy.resize和numpy.reshape之间的区别。我知道resize将返回一个新数组，reshape将维护相同的底层数据，并且只调整大小（我假设它通过改变步长来实现这一点）。但是，对于这两个函数，我希望能够使用-1语法来指定轴的大小。然而，这似乎只适用于reshape。例如，尝试将此一维形状数组(444,)重塑为形状数组(4, 111)会产生两种不同的结果，具体取决于您是使用resize还是reshape：

import numpy as np

test = np.arange(0, 444)
print(test.shape)
print(np.resize(test, (4, -1)).shape)
print(np.reshape(test, (4, -1)).shape)

印刷品

(444,)
(4, 110)
(4, 111)

我假设我遗漏了resize函数的某些内容，但我希望它要么输出与(444,)兼容的形状，要么抛出一个错误。你知道吗

Answer 1

np.resize与-1的行为没有文档记录。但可以从Python代码或以下示例中推断：

In [312]: np.resize(np.arange(12),(1,-1))                                       
Out[312]: array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10]])
In [313]: np.resize(np.arange(12),(2,-1))                                       
Out[313]: 
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
In [314]: np.resize(np.arange(12),(3,-1))                                       
Out[314]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
In [315]: np.resize(np.arange(12),(4,-1))                                       
Out[315]: 
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])
# (5,-1) error
In [317]: np.resize(np.arange(12),(6,-1))                                       
Out[317]: 
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5]])

所以一般来说

a = np.arange(n)
np.resize(a, (m,-1))
np.reshape(a[:(n-m)], (m,-1))

也就是说，它通过m元素剪辑输入，并尝试reshape。不是很有用吧？你知道吗

在你的情况下test[:-4].reshape(4,-1)。你知道吗