【数据分析之Numpy】Numpy中复制函数numpy.repeat()与numpy.tile()的使用方法及区别

一、简介

numpy.repeat()与numpy.tile()都是Numpy库中的复制函数,用于将数组中的元素重复指定的次数。

numpy.repeat()函数接受三个参数 :要重复的数组重复的次数重复的轴

numpy.tile()函数接受两个参数 :要重复的数组重复的次数。

二、基本语法

1、numpy.repeat(a, repeats, axis=None)

a为带操作的数组

repeats为复制的次数

axis为重复操作会沿着哪个轴进行, axis=0表示沿着行方向, axis=1表示沿着列方向。

2、numpy.tile(A, reps)

A为带操作的数组

reps是一个元组,指定了每个维度上的重复次数。

三、使用方法

1、numpy.repeat()

(1). 将数组中的每个元素重复3次

python 复制代码
import numpy as np

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

b = np.repeat(a, 3)

print(b)

(2). 将数组中的每个元素沿行方向每一行重复3次

python 复制代码
a = np.array([[1,2,3], [4,5,6]])

b = np.repeat(a, 3, axis=0)

print(b)

**注意:**如果这里a是一维数组,那axis只能为0

(3). 将数组中的每个元素沿列方向每一列重复3次

python 复制代码
a = np.array([[1,2,3], [4,5,6]])

b = np.repeat(a, 3, axis=1)

print(b)

2、numpy.tile(A)

(1). 将数组中的每个元素重复3次

python 复制代码
import numpy as np

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

b = np.tile(a, 3)

print(b)

(2). 将数组中的每个元素沿沿着第一个轴重复2次,沿着第二个轴重复3次,

1)a为一维数组

python 复制代码
a = np.array([1,2,3])

b = np.tile(a, (2, 3))

print(b) # 数组维度改变

2)a为多维数组

python 复制代码
a = np.array([[1,2,3], [4,5,6]])

b = np.tile(a, (2, 3))

print(b)

四、区别

np.repeat()和np.tile()在功能上有些相似,但它们之间存在一些重要的区别。

1、行为上

对于一维数组,np.repeat()会重复数组中的元素 ,而np.tile()则会复制整个数组。这意味着np.repeat()仅在数组的每个元素上应用重复操作,而np.tile()则在整个数组上应用复制操作。

对于非一维数组,np.repeat()仅在最后一个轴上重复,而np.tile()会在所有轴上复制数组。

2、性能上

对于大数组,np.tile()通常比np.repeat()更快,因为它可以更有效地利用缓存。

np.repeat()不会预先分配输出数组的内存,而是在运行时动态地创建输出数组。

np.tile()会预先分配输出数组的内存

3、参数

np.repeat()三个参数:要重复的数组、重复的次数和它沿着数组的哪个轴重复元素。

np.tile()两个参数(可以看为三个参数):要复制的数组和复制的次数(它沿着所有轴复制数组)。

4、原地操作

np.repeat()不会原地操作(即不会更改原始数组),而np.tile()则可以进行原地操作。

相关推荐
SelectDB技术团队1 天前
Apache Doris 2025 Roadmap:构建 GenAI 时代实时高效统一的数据底座
大数据·数据库·数据仓库·人工智能·ai·数据分析·湖仓一体
Loving_enjoy1 天前
基于Hadoop的明星社交媒体影响力数据挖掘平台:设计与实现
大数据·hadoop·数据挖掘
千鼎数字孪生-可视化1 天前
3D模型给可视化大屏带来了哪些创新,都涉及到哪些技术栈。
ui·3d·信息可视化·数据分析
Python之栈1 天前
PandasAI:当数据分析遇上自然语言处理
人工智能·python·数据分析·pandas
Start_Present1 天前
Pytorch 第十二回:循环神经网络——LSTM模型
pytorch·rnn·神经网络·数据分析·lstm
DREAM.ZL2 天前
基于python的电影数据分析及可视化系统
开发语言·python·数据分析
代码骑士2 天前
聚类(Clustering)基础知识2
机器学习·数据挖掘·聚类
大美B端工场-B端系统美颜师2 天前
静态图表 VS 动态可视化,哪种更适合数据故事讲述?
信息可视化·数据挖掘·数据分析
青云交2 天前
Java 大视界 -- Java 大数据在智能电网电力市场交易数据分析与策略制定中的关键作用(162)
java·大数据·数据分析·交易策略·智能电网·java 大数据·电力市场交易
葡萄成熟时_2 天前
【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【代码篇】A题解题全流程(持续更新)
人工智能·数据挖掘