有没有办法使用一维数组的子数组作为 np.tile 的输入瓦片？我开始于:
- 一维数组，
- 每个图 block 的大小，
- 每个图 block 的重复次数。
在这种情况下，每个图 block 的重复次数等于该图 block 中的元素数。
例子:
arr = np.array([0,1,2,3,4])
tile_sizes = np.array([2, 3])
num_repeats = tile_sizes
#do some np.tile thing here
输出数组将是:
np.array([0,1,0,1,2,3,4,2,3,4,2,3,4])
请注意，前 2 个元素(0 和 1)形成了一个形状为 (2,) 重复了 2 次。下一个图 block 是 3 元素(2、3 和 4)并被平铺 3 次。
此用例将涉及一百万个元素的数组，因此需要考虑内存和速度，这意味着首选广播。
实现此目的的非广播方式如下:
tiles = np.split(arr, np.cumsum(tile_sizes)[:-1])
repeated_tiles = [np.tile(tile, tile.shape[0]) for tile in tiles]
output = np.concatenate(repeated_tiles)
output
>>>>>
array([0, 1, 0, 1, 2, 3, 4, 2, 3, 4, 2, 3, 4])
最佳答案
这不是一个完美的解决方案，但如果有帮助，您可以使用 np.repeat 摆脱列表理解。
a = np.arange(5)
tile_sizes = np.array([2, 3])
tiles = np.array(np.split(a, np.cumsum(tile_sizes)[:-1]), dtype=np.object)
tiles = np.concatenate(np.repeat(tiles, tile_sizes))
关于python - 如何使用不均匀子数组作为平铺来平铺一维 numpy 数组？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/65083901/