關于Numpy之repeat、tile的用法總結
repeat函數(shù)的作用：①擴充數(shù)組元素 ②降低數(shù)組維度
numpy.repeat(a, repeats, axis=None)：若axis=None，對于多維數(shù)組而言，可以將多維數(shù)組變化為一維數(shù)組，然后再根據(jù)repeats參數(shù)擴充數(shù)組元素；若axis=M，表示數(shù)組在軸M上擴充數(shù)組元素。
下面以3維數(shù)組為例，了解下repeat函數(shù)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(shù)N，axis=None：數(shù)組arr首先被扁平化，然后將數(shù)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(shù)數(shù)組rp_arr，axis=None：數(shù)組arr首先被扁平化，然后再將數(shù)組arr中元素依次重復對應rp_arr數(shù)組中元素對應次數(shù)。若rp_arr為一個值的一維數(shù)組，則數(shù)組arr中各個元素重復相同次數(shù)，否則rp_arr數(shù)組長度必須和數(shù)組arr的長度相等，否則報錯
a：rp_arr為單值一維數(shù)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長度小于數(shù)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(shù)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長度大于數(shù)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(shù)組滿足廣播的條件是兩個數(shù)組的后緣維度(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(shù)N，axis=M：數(shù)組arr的軸M上的每個元素重復N次，M=-1代表最后一條軸
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為整數(shù)數(shù)組rp_arr，axis=M：把數(shù)組arr1軸M上的元素依次重復對應rp_arr數(shù)組中元素對應次數(shù)。若rp_arr為一個值的一維數(shù)組，則數(shù)組arr1軸M上的各個元素重復相同次數(shù)，否則rp_arr數(shù)組長度必須和數(shù)組arr1軸M的長度相等，否則報錯
a：rp_arr長度和數(shù)組arr1軸M上長度相等
在軸0上擴充數(shù)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(shù)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(shù)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(shù)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(shù)兩個作用：①擴充數(shù)組元素 ②提升數(shù)組維度
numpy.tile(A, reps):根據(jù)reps中元素擴充數(shù)組A中對應軸上的元素
①reps為整數(shù)N：可以把整數(shù)N理解成含一個元素N的序列reps,若數(shù)組.ndim大于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(shù)組的維度數(shù)相等，然后數(shù)組各軸上的元素依次重復reps序列中元素對應的次數(shù)
對于一維數(shù)組而言：是整體數(shù)組重復N次，從數(shù)組的最后一位置開始重復，注意與repeat函數(shù)的區(qū)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(shù)組而言：arr2.ndim=3,，reps=[2,]，可以看出數(shù)組的長度大于序列reps的長度，因此需要向reps中添加元素，變成reps=[1,1,2]，然后arr2數(shù)組再根據(jù)reps中的元素重復其對應軸上的元素，reps=[1,1,2]代表數(shù)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(shù)序列rp_arr：若數(shù)組.ndim大于rp_arr長度，方法同①相同，若數(shù)組ndim小于rp_arr長度，則需在數(shù)組的首緣維添加新軸，直到數(shù)組的維度數(shù)和rp_arr長度相等，然后數(shù)組各軸上的元素依次重復reps序列中元素對應的次數(shù)
a：數(shù)組維度大于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(shù)組的維度小于rp_arr的長度：需在數(shù)組的首緣維度新增加一條軸，使其shape變?yōu)?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(shù)組
repeat和tile都可以用來復制數(shù)組的，但是有一些區(qū)別
關鍵區(qū)別在于repeat是對于元素的復制，tile是以整個數(shù)組為單位的 ，repeat復制時元素依次復制，注意不要用錯，區(qū)別類似于[1,1,2,2]和[1,2,1,2]
repeat
用法
np.repeat(a, repeats, axis=None)
重復復制數(shù)組a的元素，元素的定義與axis有關，axis不指定時，數(shù)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(shù)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(shù)
參數(shù)是列表
np.repeat(a, [1, 2, 1, 2]) # 如果第二個參數(shù)是列表，列表長度必須和a的復制可選元素數(shù)目相等，這里都是4
指定axis
指定時，就是指定了復制元素沿的維度,這時候就不會把數(shù)組展平，會維持原來的維度數(shù)
np.repeat(a, 2, axi=0) # 所有沿著0維的元素依次復制相同的次數(shù)
np.repeat(a, [1, 2], axis=1) # 第二個參數(shù)是列表，列表長度必須和a的復制可選元素數(shù)目相等，這里是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了一次，第二列被復制了兩次
tile
用法
np.tile(a, repeats)
復制數(shù)組，repeats可以是整數(shù)或者元組、數(shù)組
repeats是整數(shù)
示例如下，它會將數(shù)組復制兩份，并且在最后一維將兩個元素疊加在一起，數(shù)組的維數(shù)不變，最后一維根據(jù)復制次數(shù)加倍
repeats是列表或元組
如果列表長度是1，和整數(shù)時相同。
列表長度不為1時，列表從后向前看，最后一項是2，所以復制兩個數(shù)組，在最后一維進行疊加，倒數(shù)第二項是3，將前步的結果進行復制，并在倒數(shù)第二維，結果如下
當列表的長度超過數(shù)組的維數(shù)時，和前面類似，從后向前復制，復制結果會增加維度與列表的維數(shù)匹配，結果如下，在上面的基礎上，增加了一維
復制結果的shape
但是對于 簡單的單個數(shù)組重復，個人更喜歡使用stack和concatenate將同一個數(shù)組堆疊起來
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
PolarPlane 是 Manim（一個用于數(shù)學動畫的Python庫）中的一個類,用于創(chuàng)建極坐標平面,與笛卡爾坐標系不同,極坐標系是基于角度和半徑來定位點的,本文就給大家介紹如何用python創(chuàng)建極坐標平面,需要的朋友可以參考下2024-08-08
Django如何自定義model創(chuàng)建數(shù)據(jù)庫索引的順序
這篇文章主要介紹了Django如何自定義model創(chuàng)建數(shù)據(jù)庫索引的順序,小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-06-06
今天小編就為大家分享一篇numpy 返回函數(shù)的上三角矩陣實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
這篇文章主要介紹了詳解pyinstaller生成exe的閃退問題解決方案，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-06-06
這篇文章主要給大家介紹了關于django日志默認打印request請求信息的相關資料，文中通過示例代碼介紹的非常詳細，對大家學習或者使用django具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2020-05-05
Apscheduler是基于Quartz的Python定時任務框架，功能上跟Quartz一致，使用上跟Quartz也幾乎一致。下面通過本文給大家介紹Python定時庫Apscheduler的簡單使用，感興趣的朋友一起看看吧2021-11-11
介紹一些圖片處理的Python代碼，有了這些處理代碼，我們可以很方便的處理一些圖片，Python這里處理圖片一般都使用Pillow包，有此需求的朋友可以參考下2021-06-06
這篇文章主要介紹了用python如何爬取小姐姐私房照，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-08-08
看了我文章了相信都了解了web端的元素定位了，沒看的，既然進來了那么肯定多多少少知道些，本文主要來介紹APP的元素定位有哪些定位方式，我們又怎么去連接APP，然后通過工具去獲取元素2021-09-09
這篇文章主要介紹了13個Pandas實用技巧，幫助你提高python開發(fā)的效率，感興趣的朋友可以了解下2020-08-08