沿新轴的 Numpy 重复数组答案

【问题标题】：Numpy repeat array along new axis沿新轴的 Numpy 重复数组
【发布时间】：2014-12-21 19:38:25
【问题描述】：

最好/最有效的方法是什么？

x 是数组，n 是我希望它重复的次数：

np.repeat(x[None,...], n, axis=0)

或

ones = [1] * len(x.shape)
np.tile(x, tuple(n, *ones))

注意，对于已知的数组大小，后者变得简单：

np.tile(x, (n, 1, 1))  # x is 2D

【问题讨论】：

你试过...计时吗？
通常，您希望将此操作应用于 last 轴，或者更好，这取决于您以后如何使用它，您可以利用 numpy 的广播并完全避免重复（这肯定会更快）。如果您给出更大的图景，我们也许可以指出如何做。

【解决方案1】：

np.tile 的部分代码是：

for i, nrep in enumerate(tup):
    if nrep!=1:
        c = c.reshape(-1, n).repeat(nrep, 0)

换句话说，它在每个轴上执行repeat，重复次数超过 1 次。实际上，它是将repeat 推广到多个轴。

所以我预计时间会相似，尽管简单的repeat 的 Python 开销会更少。 repeat 已编译。（一些简单的测试证实了这一点 - repeat 对小型阵列快 2 倍，对大型阵列稍快）。

附言x[None,...] 步骤几乎没有成本。由于广播，它可能就是您所需要的。

附言使用np.lib.index_tricks.as_strided 可以更快地重复此操作。对于(20,50) 形的x，

as_strided(x,shape=(n,20,50),strides=(0,200,4))

np.broadcast_arrays 也使用as_strided。所以这会产生同样的结果：

np.broadcast_arrays(np.ones((n,1,1)),x)[1]

但老实说，这只是对广播的阐述，并不是真正的重复。数据没有被复制。相同的值只使用了n 次。

广播可用于填充整个数组，但时间与repeat 相同。这可能就是 repeat 在幕后所做的。

z = np.empty((300,20,50),dtype=int)
z[:] = x[None,...]

【讨论】：