重复一个 Numpy 数组以匹配另一个数组的维度答案

【问题标题】：Repeating a Numpy array to match dimension of another array重复一个 Numpy 数组以匹配另一个数组的维度
【发布时间】：2021-10-02 17:45:15
【问题描述】：

我想沿多个维度重复一个数组，使其与另一个数组的维度相匹配。

例如，让我们把：

import numpy as np

a = np.arange(300)
b = np.zeros((300, 10, 20, 40, 50))

我想扩展a 使其与b 的尺寸相匹配，考虑到可以有任意数量的任意长度的尺寸。

目前，我唯一能做的就是在维度上循环，例如：

c = np.copy(a)
for axis, length in enumerate(b.shape[1:]):
  c = np.repeat(c[..., None], length, axis + 1)

但是对于大量维度来说效率相当低......

【问题讨论】：

np.tile 可以做到，但它也可以重复 repeats。但它需要完全匹配，还是broadcasting 就足够了？还有一个broadcast_to。
问题不仅在于大量的维度，还在于该数组的最终大小。当我测试各种替代方案时（在一台相当普通的机器上），我一直在杀死我的终端。
第一个评论请找原issuehere。

【解决方案1】：

reshape 和 expand_dims 可以创建一个broadcast 的数组，就像一个b 形状的数组

tile 可以扩展它。检查代码，但我认为它确实像你一样重复了repeats：

d=np.tile(np.expand_dims(a,[1,2,3,4]),(1,)+b.shape[1:])

另一种将数组扩展为完整大小但不使用全部内存的方法是：

w = np.broadcast_to(np.expand_dims(a,[1,2,3,4]),b.shape)

w 应该具有相同的形状，但 strides 将是 (8, 0, 0, 0, 0)，而 (3200000, 320000, 16000, 400, 8) 则为 b 或 c。

但是制作w.copy() 所花费的时间几乎与制作c 或d 一样长，因为它必须制作完整的 Gb 数组。

【讨论】：

【解决方案2】：

一种选择是reshapea，这样它就可以针对b进行广播，然后将值分配给目标数组：

c = np.zeros(b.shape)
c[:] = a.reshape(b.shape[:1] + (1,) * (len(b.shape) - 1))

或者使用np.expand_dims重塑：

c[:] = np.expand_dims(a, axis=tuple(range(1, len(b.shape))))

【讨论】：

【解决方案3】：

您可以将np.empty_like 与np.copyto 一起使用

c = np.emtpy_like(b)
np.copyto(c.T,a)

#check:
(c == a[:,None,None,None,None]).all()
# True

或者，如果您想保留 a 的 dtype：

c = np.empty(b.shape,a.dtype)
# etc.

【讨论】：