python - Numpy 中的平铺

Question

我有一个包含数据 [3, 5] 的 NumPy 数组，我想创建一个接受该数组的函数，并返回以下 (2 x 3 x 2) NumPy 数组:

[[[3, 3],
  [3, 3],
  [3, 3]],

 [[5, 5],
  [5, 5],
  [5, 5]]]

但是，我无法使用 Numpy 的 repeat() 或 tile() 函数来实现这一点。

例如:

x = np.array([3, 5])
y = np.repeat(x, [2, 3, 2])

出现以下错误:

ValueError: a.shape[axis] != len(repeats)

还有:

x = np.array([3, 5])
y = np.tile(x, [2, 3, 2])

创建一个 (2 x 3 x 4) 数组:

[[[3, 5, 3, 5],
  [3, 5, 3, 5],
  [3, 5, 3, 5]],

 [[3, 5, 3, 5],
  [3, 5, 3, 5],
  [3, 5, 3, 5]]]

我的功能应该是什么？

Answer 1

你可以使用np. tile，您只是错过了除以重复轴上的元素数量，在您的情况下它是1D

x = np.array([3, 5])
y = np.tile(x, [2, 3, 2 // x.shape[0]])

---

def get_nd(a, shape):

  shape = np.array(shape)

  a_shape = np.ones_like(shape)
  a_shape[-a.ndim:] = a.shape

  shape = (shape * 1/a_shape).astype('int')

  return np.tile(a, shape)

---

get_nd(x, (2, 3, 2))

---

更新

转置所需的形状，如果您的目标是(2, 3, 6)，则要求(6, 3, 2)，然后转置结果矩阵

get_nd(x, (2, 3, 6)).T

---

或者使用以下函数代替

def get_nd_rep(a, shape):

  shape = np.array(shape)

  x_shape = np.ones_like(shape)
  x_shape[-a.ndim:] = a.shape

  shape = (shape * 1/x_shape).astype('int')

  return np.tile(a, shape).T

---

get_nd_rep(x, (2, 3, 2))