ython 对矩阵进行复制操作 np.repeat 与 np.tile区别
二者区别
二者执行的是均是复制操作；
np.repeat：复制的是多维数组的每一个元素；axis来控制复制的行和列
np.tile：复制的是多维数组本身；
import numpy as np
通过help 查看基本的参数
help(np.repeat)
help(np.tile)
案例对比
np.repeat
x = np.arange(1, 5).reshape(2, 2)print(x)[[1 2] [3 4]]print(np.repeat(x, 2)) [1 1 2 2 3 3 4 4]123456
对数组中的每一个元素进行复制
除了待重复的数组之外，只有一个额外的参数时，高维数组也会 flatten 至一维
c = np.array([1,2,3,4])print(np.tile(c,(4,2)))[[1 2 3 4 1 2 3 4] [1 2 3 4 1 2 3 4] [1 2 3 4 1 2 3 4] [1 2 3 4 1 2 3 4]]123456
当然将高维 flatten 至一维，并非经常使用的操作，也即更经常地我们在某一轴上进行复制，比如在行的方向上（axis=1），在列的方向上（axis=0）：
print(np.repeat(x, 3, axis=1))[[1 1 1 2 2 2] [3 3 3 4 4 4]]print(np.repeat(x, 3, axis=0))[[1 2] [1 2] [1 2] [3 4] [3 4] [3 4]]12345678910
当然更为灵活地也可以在某一轴的方向上（axis=0/1），对不同的行/列复制不同的次数：
print(np.repeat(x, (2, 1), axis=0))[[1 2] [1 2] [3 4]]print(np.repeat(x, (2, 1), axis=1))[[1 1 2] [3 3 4]]1234567
np.tile
python numpy 下的 np.tile有些类似于 matlab 中的 repmat函数。不需要 axis 关键字参数，仅通过第二个参数便可指定在各个轴上的复制倍数。
a = np.arange(3)print(a) [0 1 2]print(np.tile(a, 2)) [0 1 2 0 1 2]print(np.tile(a, (2, 2)))[[0 1 2 0 1 2] [0 1 2 0 1 2]]12345678
第二个参数便可指定在各个轴上的复制倍数。
b = np.arange(1, 5).reshape(2, 2)print(b)[[1 2] [3 4]]print(np.tile(b, 2))[[1 2 1 2] [3 4 3 4]]print(np.tile(b, (1, 2)))[[1 2 1 2] [3 4 3 4]]
随时随地看视频
