numpy 辨异（四）—— np.repeat 与 np.tile

>> import numpy as np
>> help(np.repeat)
>> help(np.tile)

• 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；
• np.tile：复制的是多维数组本身；

1. np.repeat

>> x = np.arange(1, 5).reshape(2, 2)
>> np.repeat(x, 2)
array([1, 1, 2, 2, 3, 3, 4, 4])
        # 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

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）：

>> np.repeat(x, 3, axis=1)
array([[1, 1, 1, 2, 2, 2],
       [3, 3, 3, 4, 4, 4]])
>> np.repeat(x, 3, axis=0)
array([[1, 2],
       [1, 2],
       [1, 2],
       [3, 4],
       [3, 4],
       [3, 4]])

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：

>> np.repeat(x, (2, 1), axis=0)
array([[1, 2],
       [1, 2],
       [3, 4]])
>> np.repeat(x, (2, 1), axis=1)
array([[1, 1, 2],
       [3, 3, 4]])

2. 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)
>> np.tile(a, 2)
array([0, 1, 2, 0, 1, 2])
>> np.tile(a, (2, 2))
array([[0, 1, 2, 0, 1, 2],
       [0, 1, 2, 0, 1, 2]])

>> b = np.arange(1, 5).reshape(2, 2)
>> np.tile(b, 2)
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])

# 等价于
>> np.tile(b, (1, 2))