關於Numpy之repeat、tile的用法總結
repeat函數的作用：①擴充數組元素 ②降低數組維度
numpy.repeat(a, repeats, axis=None)：若axis=None，對於多維數組而言，可以將多維數組變化為一維數組，然後再根據repeats參數擴充數組元素；若axis=M，表示數組在軸M上擴充數組元素。
下面以3維數組為例，瞭解下repeat函數的使用方法：
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為整數N，axis=None：數組arr首先被扁平化，然後將數組arr中的各個元素 依次重復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為整數數組rp_arr，axis=None：數組arr首先被扁平化，然後再將數組arr中元素依次重復對應rp_arr數組中元素對應次數。若rp_arr為一個值的一維數組，則數組arr中各個元素重復相同次數，否則rp_arr數組長度必須和數組arr的長度相等，否則報錯
a：rp_arr為單值一維數組，進行廣播
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長度小於數組arr長度，無法進行廣播，報錯
In [6]: arr.repeat([2,3,4])
—————————————————————————
ValueError Traceback (most recent call last)
<ipython-input-6-d3b52907284c> in <module>()
—-> 1 arr.repeat([2,3,4])ValueError: operands could not be broadcast together with shape (12,) (3,)
c：rp_arr長度和數組arr長度相等
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長度大於數組arr長度，也無法廣播，報錯
In [8]: arr.repeat(np.arange(13))
—————————————————————————
ValueError Traceback (most recent call last)
<ipython-input-8-ec8454224d1b> in <module>()
—-> 1 arr.repeat(np.arange(13))ValueError: operands could not be broadcast together with shape (12,) (13,)
結論：兩個數組滿足廣播的條件是兩個數組的後緣維度(即從末尾開始算起的維度)的軸長度相等或其中一方的長度為1
③repeats為整數N，axis=M：數組arr的軸M上的每個元素重復N次，M=-1代表最後一條軸
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)等同於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為整數數組rp_arr，axis=M：把數組arr1軸M上的元素依次重復對應rp_arr數組中元素對應次數。若rp_arr為一個值的一維數組，則數組arr1軸M上的各個元素重復相同次數，否則rp_arr數組長度必須和數組arr1軸M的長度相等，否則報錯
a：rp_arr長度和數組arr1軸M上長度相等
在軸0上擴充數組元素
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]]])
在軸1上擴充數組元素
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為單值數組時，進行廣播
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和數組arr1某軸不滿足廣播條件，則報錯
In [21]: arr1.repeat((1,2,3),axis=0)
—————————————————————————
ValueError Traceback (most recent call last)
<ipython-input-21-8ae4dc97e410> in <module>()
—-> 1 arr1.repeat((1,2,3),axis=0)ValueError: operands could not be broadcast together with shape (4,) (3,)
tile函數兩個作用：①擴充數組元素 ②提升數組維度
numpy.tile(A, reps):根據reps中元素擴充數組A中對應軸上的元素
①reps為整數N：可以把整數N理解成含一個元素N的序列reps,若數組.ndim大於reps序列的長度，則需在reps序列的索引為0的位置開始添加元素1，直到reps的長度和數組的維度數相等，然後數組各軸上的元素依次重復reps序列中元素對應的次數
對於一維數組而言：是整體數組重復N次，從數組的最後一位置開始重復，註意與repeat函數的區別
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])
對多維數組而言：arr2.ndim=3,，reps=[2,]，可以看出數組的長度大於序列reps的長度，因此需要向reps中添加元素，變成reps=[1,1,2]，然後arr2數組再根據reps中的元素重復其對應軸上的元素，reps=[1,1,2]代表數組arr2在軸0上各個元素重復1次，在軸1上的各個元素重復1次，在軸1上的各個元素重復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為整數序列rp_arr：若數組.ndim大於rp_arr長度，方法同①相同，若數組ndim小於rp_arr長度，則需在數組的首緣維添加新軸，直到數組的維度數和rp_arr長度相等，然後數組各軸上的元素依次重復reps序列中元素對應的次數
a：數組維度大於rp_arr長度：需rp_arr提升為(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：數組的維度小於rp_arr的長度：需在數組的首緣維度新增加一條軸，使其shape變為(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 用來復制數組
repeat和tile都可以用來復制數組的，但是有一些區別
關鍵區別在於repeat是對於元素的復制，tile是以整個數組為單位的 ，repeat復制時元素依次復制，註意不要用錯，區別類似於[1,1,2,2]和[1,2,1,2]
repeat
用法
np.repeat(a, repeats, axis=None)
重復復制數組a的元素，元素的定義與axis有關，axis不指定時，數組會被展開進行復制，每個元素就是一個值，指定axis時，就是aixis指定維度上的一個元素
a = np.array([[1,2],
[3,4]])
不指定axis，默認None，這時候數組會被展開成1維，再進行復制
np.repeat(a, 2) # 所有元素依次復制相同的次數
參數是列表
np.repeat(a, [1, 2, 1, 2]) # 如果第二個參數是列表，列表長度必須和a的復制可選元素數目相等，這裡都是4
指定axis
指定時，就是指定瞭復制元素沿的維度,這時候就不會把數組展平，會維持原來的維度數
np.repeat(a, 2, axi=0) # 所有沿著0維的元素依次復制相同的次數
np.repeat(a, [1, 2], axis=1) # 第二個參數是列表，列表長度必須和a的復制可選元素數目相等，這裡是2
結果如下，復制元素從第1維度算，可以看到第一列被復制瞭一次，第二列被復制瞭兩次
tile
用法
np.tile(a, repeats)
復制數組，repeats可以是整數或者元組、數組
repeats是整數
示例如下，它會將數組復制兩份，並且在最後一維將兩個元素疊加在一起，數組的維數不變，最後一維根據復制次數加倍
repeats是列表或元組
如果列表長度是1，和整數時相同。
列表長度不為1時，列表從後向前看，最後一項是2，所以復制兩個數組，在最後一維進行疊加，倒數第二項是3，將前步的結果進行復制，並在倒數第二維，結果如下
當列表的長度超過數組的維數時，和前面類似，從後向前復制，復制結果會增加維度與列表的維數匹配，結果如下，在上面的基礎上，增加瞭一維
復制結果的shape
但是對於 簡單的單個數組重復，個人更喜歡使用stack和concatenate將同一個數組堆疊起來
以上為個人經驗，希望能給大傢一個參考，也希望大傢多多支持WalkonNet。
推薦閱讀：
- Numpy中的repeat函數使用
- python基礎知識之索引與切片詳解
- Python Numpy中ndarray的常見操作
- Python數組變形的幾種實現方法
- numpy的squeeze函數使用方法