Question

np.repeat(np.repeat([[1, 2, 3]], 3, axis=0), 3, axis=1)

按预期工作并生成

array([[1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3]])

然而，

np.repeat([[1, 2, 3]], [3, 3])

和

np.repeat([[1, 2, 3]], [3, 3], axis=0)

产生错误。

是否可以同时repeat多个维度的数组？

Answer 1

首先，我认为你提出的原始方法完全没问题。它是可读的，有意义，并且它不是很慢。

您可以使用repeat 方法而不是更好读取的函数：

>>> x.repeat(3, 1).repeat(3, 0)
array([[1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3]])

使用numpy的广播规则，可能有很多方法可以创建重复数据并将其投入到您想要的形状中。一种方法可能是使用np.broadcast_to()并重复D+1维度中的数据，其中D是您需要的维度，然后将其折叠为D。

例如：

>>> x = np.array([[1, 2, 3]])
>>> np.broadcast_to(x.T, (3, 3, 3)).reshape((3, 9))
array([[1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3]])

没有重塑（这样你不需要知道最终长度）：

>>> np.hstack(np.broadcast_to(x, (3, 3, 3)).T)
array([[1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3],
       [1, 1, 1, 2, 2, 2, 3, 3, 3]])

并且可能有十几种其他方法可以做到这一点。但是我仍然认为你的原始版本更具惯用性，因为把它扔到额外的尺寸以使它崩溃是很奇怪的。

Answer 2

这是不可能的，请参阅repeat。但是您使用的形状为(1,3)，因此您必须使用：

np.repeat(X, [2], axis=0)

因为np.repeat(X, [2,2], axis=0)需要形状(2,3)，例如

X = np.array([[1, 2, 3], [5, 6, 7]])
np.repeat(X, [2, 5], axis=0)

输出如下：

[[1 2 3]
 [1 2 3]
 [5 6 7]
 [5 6 7]
 [5 6 7]
 [5 6 7]]

这意味着[2,5]代表[ 2 ，5]：2x first row和[2， 5 ]：5x second row（形状：(2, *doesn't matter*)因为axis=0表示您想重复这些行。因此，您首先必须生成尺寸为(3, *)的数组，然后生成下一个数组。

如果你想重复你的阵列：

np.repeat(X2, [5], axis=0)

产生

[[1 2 3]
 [1 2 3]
 [1 2 3]
 [1 2 3]
 [1 2 3]]

因为你只有一维数组。

np.repeat的第一次调用产生2D数组，第二次调用重复列。如果您想使用np.repeat(X2, [5], axis=0)，则会得到与上述帖子中提到的相同的结果，因为您必须在np.repeat的输出上第二次调用np.repeat(X2, [5], axis=0)。

在我看来，使用np.repeat是实现输出的最简单，最好的方法。

编辑：希望答案现在更明确

一次重复多个维度的NumPy数组？

2 个答案: