NumPy 函数手册：数组重复与扩展

在 NumPy 中，数组不仅可以通过索引与切片访问数据，也可以通过重复与扩展操作生成新的数组结构。在数据分析、机器学习以及科学计算中，经常需要将某些数据模式重复多次，例如复制标签、扩展样本、生成网格数据或构造测试矩阵等。

这类操作称为数组重复（array repetition）或数组扩展（array expansion）。与数组变形不同，这些操作要么通过复制元素或数组结构生成新数组，要么通过广播机制在不复制数据的前提下扩展数组的"可视形状"（视图）。

按照 NumPy 的函数体系，数组重复与扩展操作通常可以分为三类：

（1）元素级重复

（2）结构级复制

（3）广播机制扩展

一、元素级重复

repeat()

按指定次数重复数组中的元素。

python 复制代码

numpy.repeat(a, repeats, axis=None)

参数说明：

• a：输入数组

• repeats：每个元素重复的次数，可以是整数或整数序列。当 repeats 为序列时，其长度必须与指定 axis 上的元素个数一致，否则会报错

• axis：指定重复操作的轴；若为 None，则先将数组展平成一维数组再进行重复

示例 1：一维数组

apache 复制代码

import numpy as np
a = np.array([1, 2, 3])
np.repeat(a, 2)

输出：

cs 复制代码

[1 1 2 2 3 3]

说明：每个元素都被重复两次。

示例 2：二维数组

cs 复制代码

a = np.array([[1, 2],              [3, 4]])
np.repeat(a, 2, axis=0)

输出：

css 复制代码

[[1 2] [1 2] [3 4] [3 4]]

说明：

沿 axis=0 对各行依次重复，因此每一行都连续出现两次。

二、结构级复制

tile()

按指定模式重复整个数组结构。

css 复制代码

numpy.tile(A, reps)

参数说明：

• A：输入数组

• reps：数组在各维度上的重复次数，可以是整数或整数序列

示例 1：

apache 复制代码

import numpy as np
a = np.array([1, 2, 3])
np.tile(a, 2)

输出：

cs 复制代码

[1 2 3 1 2 3]

说明：整个数组被复制两次。

示例 2：

cs 复制代码

a = np.array([[1, 2],              [3, 4]])
np.tile(a, (2, 3))

输出：

css 复制代码

[[1 2 1 2 1 2] [3 4 3 4 3 4] [1 2 1 2 1 2] [3 4 3 4 3 4]]

说明：数组在行方向复制两次，列方向复制三次。

示例 3：

apache 复制代码

np.tile(np.array([1, 2, 3]), (2, 2))

输出：

css 复制代码

[[1 2 3 1 2 3] [1 2 3 1 2 3]]

说明：当 reps 的维度长度大于数组的维度时，NumPy 会在数组前面补充新的维度，使其维度与 reps 对齐。

repeat() 与 tile() 都用于数组重复，但其重复方式不同：

• repeat()：在元素层面进行重复（element-wise duplication）

• tile()：在数组结构层面进行复制（block-wise replication）

三、广播机制扩展

broadcast_to()

按广播规则将数组扩展为指定形状。

php 复制代码

numpy.broadcast_to(array, shape)

参数说明：

• array：输入数组

• shape：目标形状。目标形状必须符合 NumPy 的广播规则（即从尾部维度开始对齐，原数组在对应维度上要么相等，要么为 1）

示例：

apache 复制代码

import numpy as np
a = np.array([1, 2, 3])
np.broadcast_to(a, (3, 3))

输出：

css 复制代码

[[1 2 3] [1 2 3] [1 2 3]]

说明：原数组被广播为新的形状。

需要注意的是，返回结果通常是只读视图（writeable=False），其核心机制是基于广播规则构造视图，而不是按目标形状复制整块数据；若尝试直接修改，通常会触发错误。

broadcast_arrays()

将多个数组广播到相同形状。

返回一个元组，其中包含广播后具有相同形状的数组视图。这些结果通常共享底层数据，而不是独立复制出的完整新数组。

go 复制代码

numpy.broadcast_arrays(*arrays)

参数说明：

• arrays：需要广播的数组序列

示例：

php 复制代码

a = np.array([1, 2, 3])b = np.array([[10],              [20]])
x,y = np.broadcast_arrays(a, b)print(x)print(y)

输出：

css 复制代码

[[1 2 3] [1 2 3]]
[[10 10 10] [20 20 20]]

说明：broadcast_arrays() 会根据 NumPy 的广播规则，将多个数组扩展为相同形状的数组。

该函数常用于在进行向量化计算前，使不同形状的数组具有一致的维度结构。

📘 小结

NumPy 提供了多种数组重复与扩展方式：repeat() 用于元素级复制，tile() 用于结构级复制，而 broadcast_to() 与 broadcast_arrays() 则基于广播机制在不复制整块数据的前提下扩展数组形状。这些操作覆盖了从"数据真实复制"到"视图扩展"的不同机制，在数据构造与向量化计算中具有重要作用。

"点赞有美意，赞赏是鼓励"