numpy.tile没有像Matlab repmat那样工作

2 回答

• 10

  NumPy函数通常不是matlab函数的“插入式”替换 . 通常情况下，“等效”函数的使用方式存在细微差别 . 它需要时间来适应，但我发现过渡非常值得 .

  在这种情况下， np.tile 文档指出当您尝试将数组平铺到比定义的更高维度时会发生什么，

  numpy.tile（A，reps）通过重复A由reps给出的次数构造一个数组 . 如果reps的长度为d，则结果的维度为max（d，A.ndim） . 如果A.ndim <d，则通过预先添加新轴将A提升为d维 . 因此，形状（3）阵列被提升为（1,3）用于2-D复制，或形状（1,1,3）用于3-D复制 . 如果这不是所需的行为，请在调用此函数之前手动将A提升为d维 .

  在这种情况下，您的数组将被转换为 [1, 3, 3] 的形状，然后进行平铺 . 因此，为了获得您想要的行为，请确保将新的单例维度附加到您想要的数组中，

  >>> b_ = numpy.tile(b[..., None], [1, 1, 5])
  >>> print(b_.shape)
  (3, 3, 5)
  

  请注意，我使用了 None （即 np.newaxis ）和省略号表示法来指定数组末尾的新维度 . 您可以找到有关这些功能的更多信息here .

  受OP评论启发的另一个选择是：

  b_ = np.dstack((b, ) * 5)
  

  在这种情况下，我've used tuple multiplication to ' repmat'数组，然后由np.dstack构造 .

  正如@hpaulj指出的那样，Matlab和NumPy以不同的方式显示矩阵 . 要复制Matlab输出，您可以执行以下操作：

  >>> for idx in xrange(b_.shape[2]):
  ...    print 'b_[:, :, {}] = \n{}\n'.format(idx, str(b_[:, :, idx]))
  ...
  b_[:, :, 0] = 
  [[1 1 1]
   [1 2 1]
   [1 1 1]]
  
  b_[:, :, 1] = 
  [[1 1 1]
   [1 2 1]
   [1 1 1]]
  
  b_[:, :, 2] = 
  [[1 1 1]
   [1 2 1]
   [1 1 1]]
  
  b_[:, :, 3] = 
  [[1 1 1]
   [1 2 1]
   [1 1 1]]
  
  b_[:, :, 4] = 
  [[1 1 1]
   [1 2 1]
   [1 1 1]]
  

  祝好运！

  回复于 2024-05-02T10:11:01+08:00
• 3

  让我们尝试比较，注意使形状和 Value 多样化 .

  octave:7> a=reshape(0:11,3,4)
  a =
      0    3    6    9
      1    4    7   10
      2    5    8   11
  
  octave:8> repmat(a,[1,1,2])
  ans =
  ans(:,:,1) =
      0    3    6    9
      1    4    7   10
      2    5    8   11
  ans(:,:,2) =    
      0    3    6    9
      1    4    7   10
      2    5    8   11
  

  numpy equivalent - 或多或少：

  In [61]: a=np.arange(12).reshape(3,4)    
  In [62]: np.tile(a,[2,1,1])
  Out[62]: 
  array([[[ 0,  1,  2,  3],
          [ 4,  5,  6,  7],
          [ 8,  9, 10, 11]],
  
         [[ 0,  1,  2,  3],
          [ 4,  5,  6,  7],
          [ 8,  9, 10, 11]]])
  

  numpy再次，但与 order F 更好地匹配MATLAB Fortran派生的布局

  In [63]: a=np.arange(12).reshape(3,4,order='F')    
  In [64]: np.tile(a,[2,1,1])
  Out[64]: 
  array([[[ 0,  3,  6,  9],
          [ 1,  4,  7, 10],
          [ 2,  5,  8, 11]],
  
         [[ 0,  3,  6,  9],
          [ 1,  4,  7, 10],
          [ 2,  5,  8, 11]]])
  

  我在一开始就添加了新的numpy维度，因为在很多方面它更好地复制了最后添加它的MATLAB实践 .

  尝试在最后添加新维度 . 形状是（3,4,5），但你可能不喜欢显示器 .

  np.tile(a[:,:,None],[1,1,2])
  

  另一个考虑因素 - 当你压扁瓷砖时会发生什么？

  octave:10> repmat(a,[1,1,2])(:).'
  ans =    
      0    1    2    3    4    5    6    7    8    9   10   11 
  0    1    2    3     4    5    6    7    8    9   10   11
  

  订单F a

  In [78]: np.tile(a[:,:,None],[1,1,2]).flatten()
  Out[78]: 
  array([ 0,  0,  3,  3,  6,  6,  9,  9,  1,  1,  4,  4,  7,  7, 10, 10,  2,
          2,  5,  5,  8,  8, 11, 11])
  
  In [79]: np.tile(a,[2,1,1]).flatten()
  Out[79]: 
  array([ 0,  3,  6,  9,  1,  4,  7, 10,  2,  5,  8, 11,  0,  3,  6,  9,  1,
          4,  7, 10,  2,  5,  8, 11])
  

  使用C顺序数组：

  In [80]: a=np.arange(12).reshape(3,4)
  
  In [81]: np.tile(a,[2,1,1]).flatten()
  Out[81]: 
  array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11,  0,  1,  2,  3,  4,
          5,  6,  7,  8,  9, 10, 11])
  

  最后一个匹配Octave布局 .

  那样做：

  In [83]: a=np.arange(12).reshape(3,4,order='F')
  
  In [84]: np.tile(a[:,:,None],[1,1,2]).flatten(order='F')
  Out[84]: 
  array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11,  0,  1,  2,  3,  4,
          5,  6,  7,  8,  9, 10, 11])
  

  困惑了吗？

  回复于 2024-05-02T10:11:01+08:00