【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 和重复的轴。

numpy.tile()函数接受两个参数 :要重复的数组 和重复的次数。

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
weixin_440401691 天前
大数据技术-数据分析(EXcel+Python数据处理+SQL)
大数据·python·数据分析·excel
四季豆332 天前
AI时代中小企业如何低成本提升数据和知识质量?
大数据·人工智能·数据挖掘
京东云开发者2 天前
OxygenData-Vibe搭建:用 AI Coding重新定义数据看板搭建
数据分析·agent
admin and root2 天前
《神农安全.AI漏洞挖掘src赏金》单独开放!
安全·web安全·网络安全·数据挖掘·渗透测试·ai安全·白帽子黑客
gCode Teacher 格码致知2 天前
Pandas教学25:NumPy 的实战价值集中的四件事
numpy·pandas
gCode Teacher 格码致知2 天前
Pandas教学24:NumPy、Pandas、Matplotlib三者之间的关系
numpy·pandas·matplotlib
2601_966949652 天前
为什么不应该把 QuantDash API Key 直接写进公开代码仓库?从 Git 提交历史理解凭证泄露风险
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
DataGear2 天前
DataGear 6.1.1 发布,数据可视化分析平台
javascript·信息可视化·数据分析·echarts·数据可视化
ClouGence2 天前
支付机构为什么需要数据同步:从监管报送到跨云业务协作
数据库·数据分析
老木避暑研究所2 天前
负氧离子数据的采集、清洗与可视化:一套可复用的环境监测数据分析模板
前端·人工智能·数据分析