repeat函数的作用：①扩充数组元素 ②降低数组维度
numpy.repeat(a, repeats, axis=None)：若axis=None，对于多维数组而言，可以将多维数组变化为一维数组，然后再根据repeats参数扩充数组元素；若axis=M，表示数组在轴M上扩充数组元素。
下面以3维数组为例，了解下repeat函数的使用方法：
In [1]: import numpy as np
In [2]: arr = np.arange(12).reshape(1,4,3)
In [3]: arr
Out[3]:
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]]])
①repeats为整数N，axis=None：数组arr首先被扁平化，然后将数组arr中的各个元素 依次重复N次
In [4]: arr.repeat(2)
Out[4]:
array([ 0, 0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 7, 7, 8,
8, 9, 9, 10, 10, 11, 11])
②repeats为整数数组rp_arr，axis=None：数组arr首先被扁平化，然后再将数组arr中元素依次重复对应rp_arr数组中元素对应次数。若rp_arr为一个值的一维数组，则数组arr中各个元素重复相同次数，否则rp_arr数组长度必须和数组arr的长度相等，否则报错
a：rp_arr为单值一维数组，进行广播
In [5]: arr.repeat([2])
Out[5]:
array([ 0, 0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 7, 7, 8,
8, 9, 9, 10, 10, 11, 11])
b：rp_arr长度小于数组arr长度，无法进行广播，报错
In [6]: arr.repeat([2,3,4])
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
in ()
----> 1 arr.repeat([2,3,4])
ValueError: operands could not be broadcast together with shape (12,) (3,)
c：rp_arr长度和数组arr长度相等
In [7]: arr.repeat(np.arange(12))
Out[7]:
array([ 1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5, 6, 6,
6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8,
8, 8, 9, 9, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10,
10, 10, 10, 10, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11])
d：rp_arr长度大于数组arr长度，也无法广播，报错
In [8]: arr.repeat(np.arange(13))
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
in ()
----> 1 arr.repeat(np.arange(13))
ValueError: operands could not be broadcast together with shape (12,) (13,)
结论：两个数组满足广播的条件是两个数组的后缘维度(即从末尾开始算起的维度)的轴长度相等或其中一方的长度为1
③repeats为整数N，axis=M：数组arr的轴M上的每个元素重复N次，M=-1代表最后一条轴
In [9]: arr.repeat(2,axis=0)
Out[9]:
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]],
[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]]])
In [12]: arr.repeat(2,axis=-1)#arr.repeat(2,axis=-1)等同于arr.repeat(2,axis=2)
Out[12]:
array([[[ 0, 0, 1, 1, 2, 2],
[ 3, 3, 4, 4, 5, 5],
[ 6, 6, 7, 7, 8, 8],
[ 9, 9, 10, 10, 11, 11]]])
④repeats为整数数组rp_arr，axis=M：把数组arr1轴M上的元素依次重复对应rp_arr数组中元素对应次数。若rp_arr为一个值的一维数组，则数组arr1轴M上的各个元素重复相同次数，否则rp_arr数组长度必须和数组arr1轴M的长度相等，否则报错
a：rp_arr长度和数组arr1轴M上长度相等
在轴0上扩充数组元素
In [13]: arr1 = np.arange(24).reshape(4,2,3)
In [14]: arr1
Out[14]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]],
[[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23]]])
In [15]: arr1.repeat((1,2,3,4),axis=0)
Out[15]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]],
[[ 6, 7, 8],
[ 9, 10, 11]],
[[12, 13, 14],
[15, 16, 17]],
[[12, 13, 14],
[15, 16, 17]],
[[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23]],
[[18, 19, 20],
[21, 22, 23]],
[[18, 19, 20],
[21, 22, 23]],
[[18, 19, 20],
[21, 22, 23]]])
在轴1上扩充数组元素
In [19]: arr1.repeat([1,2],axis=1)
Out[19]:
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11],
[ 9, 10, 11]],
[[12, 13, 14],
[15, 16, 17],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[21, 22, 23]]])
b：rp_arr为单值数组时，进行广播
In [20]: arr1.repeat([2],axis=0)
Out[20]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]],
[[ 6, 7, 8],
[ 9, 10, 11]],
[[12, 13, 14],
[15, 16, 17]],
[[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23]],
[[18, 19, 20],
[21, 22, 23]]])
c：rp_arr和数组arr1某轴不满足广播条件，则报错
In [21]: arr1.repeat((1,2,3),axis=0)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
in ()
----> 1 arr1.repeat((1,2,3),axis=0)
ValueError: operands could not be broadcast together with shape (4,) (3,)
tile函数两个作用：①扩充数组元素 ②提升数组维度
numpy.tile(A, reps):根据reps中元素扩充数组A中对应轴上的元素
①reps为整数N：可以把整数N理解成含一个元素N的序列reps,若数组.ndim大于reps序列的长度，则需在reps序列的索引为0的位置开始添加元素1，直到reps的长度和数组的维度数相等，然后数组各轴上的元素依次重复reps序列中元素对应的次数
对于一维数组而言：是整体数组重复N次，从数组的最后一位置开始重复，注意与repeat函数的区别
In [26]: arr3 = np.arange(4) In [27]: arr3 Out[27]: array([0, 1, 2, 3]) In [28]: np.tile(arr3,2) Out[28]: array([0, 1, 2, 3, 0, 1, 2, 3])
对多维数组而言：arr2.ndim=3,，reps=[2,]，可以看出数组的长度大于序列reps的长度，因此需要向reps中添加元素，变成reps=[1,1,2]，然后arr2数组再根据reps中的元素重复其对应轴上的元素，reps=[1,1,2]代表数组arr2在轴0上各个元素重复1次，在轴1上的各个元素重复1次，在轴1上的各个元素重复2次
In [29]: arr2 = np.arange(24).reshape(4,2,3)
In [30]: arr2
Out[30]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]],
[[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23]]])
In [31]: np.tile(arr2,2)
Out[31]:
array([[[ 0, 1, 2, 0, 1, 2],
[ 3, 4, 5, 3, 4, 5]],
[[ 6, 7, 8, 6, 7, 8],
[ 9, 10, 11, 9, 10, 11]],
[[12, 13, 14, 12, 13, 14],
[15, 16, 17, 15, 16, 17]],
[[18, 19, 20, 18, 19, 20],
[21, 22, 23, 21, 22, 23]]])
②reps为整数序列rp_arr：若数组.ndim大于rp_arr长度，方法同①相同，若数组ndim小于rp_arr长度，则需在数组的首缘维添加新轴，直到数组的维度数和rp_arr长度相等，然后数组各轴上的元素依次重复reps序列中元素对应的次数
a：数组维度大于rp_arr长度：需rp_arr提升为(1,2,3)
In [33]: arr2 = np.arange(24).reshape(4,2,3)
In [34]: arr2
Out[34]:
array([[[ 0, 1, 2],
[ 3, 4, 5]],
[[ 6, 7, 8],
[ 9, 10, 11]],
[[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23]]])
In [35]: np.tile(arr2,(2,3))
Out[35]:
array([[[ 0, 1, 2, 0, 1, 2, 0, 1, 2],
[ 3, 4, 5, 3, 4, 5, 3, 4, 5],
[ 0, 1, 2, 0, 1, 2, 0, 1, 2],
[ 3, 4, 5, 3, 4, 5, 3, 4, 5]],
[[ 6, 7, 8, 6, 7, 8, 6, 7, 8],
[ 9, 10, 11, 9, 10, 11, 9, 10, 11],
[ 6, 7, 8, 6, 7, 8, 6, 7, 8],
[ 9, 10, 11, 9, 10, 11, 9, 10, 11]],
[[12, 13, 14, 12, 13, 14, 12, 13, 14],
[15, 16, 17, 15, 16, 17, 15, 16, 17],
[12, 13, 14, 12, 13, 14, 12, 13, 14],
[15, 16, 17, 15, 16, 17, 15, 16, 17]],
[[18, 19, 20, 18, 19, 20, 18, 19, 20],
[21, 22, 23, 21, 22, 23, 21, 22, 23],
[18, 19, 20, 18, 19, 20, 18, 19, 20],
[21, 22, 23, 21, 22, 23, 21, 22, 23]]])
b：数组的维度小于rp_arr的长度：需在数组的首缘维度新增加一条轴，使其shape变为(1,4,2,3)
In [36]: np.tile(arr2,(2,1,1,3))
Out[36]:
array([[[[ 0, 1, 2, 0, 1, 2, 0, 1, 2],
[ 3, 4, 5, 3, 4, 5, 3, 4, 5]],
[[ 6, 7, 8, 6, 7, 8, 6, 7, 8],
[ 9, 10, 11, 9, 10, 11, 9, 10, 11]],
[[12, 13, 14, 12, 13, 14, 12, 13, 14],
[15, 16, 17, 15, 16, 17, 15, 16, 17]],
[[18, 19, 20, 18, 19, 20, 18, 19, 20],
[21, 22, 23, 21, 22, 23, 21, 22, 23]]],
[[[ 0, 1, 2, 0, 1, 2, 0, 1, 2],
[ 3, 4, 5, 3, 4, 5, 3, 4, 5]],
[[ 6, 7, 8, 6, 7, 8, 6, 7, 8],
[ 9, 10, 11, 9, 10, 11, 9, 10, 11]],
[[12, 13, 14, 12, 13, 14, 12, 13, 14],
[15, 16, 17, 15, 16, 17, 15, 16, 17]],
[[18, 19, 20, 18, 19, 20, 18, 19, 20],
[21, 22, 23, 21, 22, 23, 21, 22, 23]]]])
numpy的repeat和tile 用来复制数组
repeat和tile都可以用来复制数组的，但是有一些区别
关键区别在于repeat是对于元素的复制，tile是以整个数组为单位的 ，repeat复制时元素依次复制，注意不要用错，区别类似于[1,1,2,2]和[1,2,1,2]
repeat
用法
np.repeat(a, repeats, axis=None)
重复复制数组a的元素，元素的定义与axis有关，axis不指定时，数组会被展开进行复制，每个元素就是一个值，指定axis时，就是aixis指定维度上的一个元素
a = np.array([[1,2],
[3,4]])
不指定axis，默认None，这时候数组会被展开成1维，再进行复制
np.repeat(a, 2) # 所有元素依次复制相同的次数
参数是列表
np.repeat(a, [1, 2, 1, 2]) # 如果第二个参数是列表，列表长度必须和a的复制可选元素数目相等，这里都是4
指定axis
指定时，就是指定了复制元素沿的维度,这时候就不会把数组展平，会维持原来的维度数
np.repeat(a, 2, axi=0) # 所有沿着0维的元素依次复制相同的次数
np.repeat(a, [1, 2], axis=1) # 第二个参数是列表，列表长度必须和a的复制可选元素数目相等，这里是2
结果如下，复制元素从第1维度算，可以看到第一列被复制了一次，第二列被复制了两次
tile
用法
np.tile(a, repeats)
复制数组，repeats可以是整数或者元组、数组
repeats是整数
示例如下，它会将数组复制两份，并且在最后一维将两个元素叠加在一起，数组的维数不变，最后一维根据复制次数加倍
repeats是列表或元组
如果列表长度是1，和整数时相同。
列表长度不为1时，列表从后向前看，最后一项是2，所以复制两个数组，在最后一维进行叠加，倒数第二项是3，将前步的结果进行复制，并在倒数第二维，结果如下
当列表的长度超过数组的维数时，和前面类似，从后向前复制，复制结果会增加维度与列表的维数匹配，结果如下，在上面的基础上，增加了一维
复制结果的shape
但是对于 简单的单个数组重复，个人更喜欢使用stack和concatenate将同一个数组堆叠起来
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。