python 对矩阵进行复制操作 np.repeat 与 np.tile区别

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]]