一次在多个维度上重复 NumPy 数组？

Question

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

按预期工作并产生

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repeat同时处理多个维度的数组？

Answer 1

首先，我认为你提出的原始方法完全没问题。它具有可读性、有意义，而且速度也不是很慢。

您可以使用repeat 方法而不是函数，这样读起来会更好一些：

>>> 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]])

利用 numpy 的广播规则，可能有多种方法来创建重复数据并将其转换为您想要的形状。一种方法可能是使用np.broadcast_to()并重复维度中的数据D+1，其中D是您需要的维度，然后将其折叠到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]])

并且无需重塑（这样您就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]])

可能还有十几种其他方法可以做到这一点。但我仍然认为你的原始版本更惯用，因为将它扔到额外的维度中以将其折叠起来很奇怪。