根据单独的 numpy 向量中的值平铺 2D numpy 数组的行答案

【问题标题】：Tile rows of a 2D numpy array based on values in separate numpy vector根据单独的 numpy 向量中的值平铺 2D numpy 数组的行
【发布时间】：2017-05-25 05:32:41
【问题描述】：

我有一个源数组：

a = array([[1, 1, 2, 2],
           [3, 4, 5, 6],
           [7, 7, 7, 8]])

还有一个向量，表示我想平铺数组的每一行多少次：

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

我想得到：

results =array([[1, 1, 2, 2],
                [1, 1, 2, 2],
                [1, 1, 2, 2],
                [3, 4, 5, 6],
                [7, 7, 7, 8],
                [7, 7, 7, 8]]

是否有矢量化/numpy 方式来实现这一点？

目前我正在使用迭代循环方法，当 len(a) 和/或 count 包含高值时它非常慢。

【问题讨论】：

标签： python arrays numpy vectorization

【解决方案1】：

numpy.repeat() 是你所追求的：

代码：

np.repeat(a, count, axis=0)

测试代码：

import numpy as np

a = np.array([[1, 1, 2, 2],
              [3, 4, 5, 6],
              [7, 7, 7, 8]])

count = np.array([3, 1, 2])

print(np.repeat(a, count, axis=0))

结果：

[[1 1 2 2]
 [1 1 2 2]
 [1 1 2 2]
 [3 4 5 6]
 [7 7 7 8]
 [7 7 7 8]]

【讨论】：