【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
databook1 天前
数据会说谎?三大推断方法帮你“审问”数据真相
后端·python·数据分析
电商API大数据接口开发Cris1 天前
构建异步任务队列:高效批量化获取淘宝关键词搜索结果的实践
前端·数据挖掘·api
沃达德软件1 天前
警务大数据挖掘技术
大数据·人工智能·数据挖掘
葉夏夏1 天前
数据分析实战-零售数据分析
数据挖掘·数据分析·零售·powerbi
IT·小灰灰1 天前
腾讯HY2.0 Think推理模型深度解析:技术突破、应用场景与实践指南
开发语言·人工智能·python·深度学习·神经网络·算法·数据分析
小王毕业啦2 天前
2008-2023年 全国统一大市场发展水平
大数据·人工智能·数据挖掘·数据分析·数据统计·社科数据·实证数据
李慕婉学姐2 天前
【开题答辩过程】以《基于Hadoop的医生相关数据分析与可视化及医生推荐系统》为例,不知道这个选题怎么做的,不知道这个选题怎么开题答辩的可以进来看看
大数据·hadoop·数据分析
IT·小灰灰2 天前
DeepSeek-V3.2:开源大模型的里程碑式突破与硅基流动平台实战指南
大数据·人工智能·python·深度学习·算法·数据挖掘·开源
一个散步者的梦2 天前
一键生成数据分析报告:Python的ydata-profiling模块(汉化)
python·数据挖掘·数据分析
语落心生2 天前
餐饮供应链的数仓设计思考 (七) 数据产品与应用创新方案
数据分析