numpy数组扩展函数有repeat和tile,由于数组不能进行动态扩展,故函数调用之后都重新分配新的空间来存储扩展后的数据。

repeat函数功能:对数组中的元素进行连续重复复制

用法有两种:

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

2) a.repeats(repeats, axis=None)

其中a为数组,repeats为重复的次数,axis表示数组维度

>>>import numpy as np

>>> a = np.arange(10)

>>> a

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> a.repeat(5)

array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4,

4, 4, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 9,

9, 9, 9, 9])

>>> a

np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])  #a数组的内容没改变

>>> a=np.array([10,20])

>>>a

array([10,20])

>>> a.repeat([3,2])

array([10, 10, 10, 20, 20])

>>> repeat(a,[3,2])   #  对a数组中的对应元素进行重复复制,需要注意的是len(repeats)==a.shape[axis]

array([10, 10, 10, 20, 20])

>>> a=np.array([[10,20],[30,40]])

>>> a.repeat([3,2],axis=0)

array([[10, 20],

[10, 20],

[10, 20],

[30, 40],

[30, 40]])

>>> a.repeat([3,2],axis=1)

array([[10, 10, 10, 20, 20],

[30, 30, 30, 40, 40]])

tile函数功能:对整个数组进行复制拼接

用法:numpy.tile(a, reps)

其中a为数组,reps为重复的次数

>>> np.tile(a,2)

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> a

np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> a=np.array([10,20])

>>>a

array([10,20])

>>>np.tile(a, (3,2)) #构造3*2个copy

array([[10, 20, 10, 20],

[10, 20, 10, 20],

[10, 20, 10, 20]])

numpy数组扩展函数repeat和tile用法相关推荐

  1. 【Python】Numpy扩充数组函数之repeat和tile用法

    2019独角兽企业重金招聘Python工程师标准>>> [Python]Numpy扩充数组函数之repeat和tile用法,有需要的朋友可以参考下. 用repeat和tile扩充数组 ...

  2. python数组扩充_【Python】Numpy扩充数组函数之repeat和tile用法,

    [Python]Numpy扩充数组函数之repeat和tile用法,有需要的朋友可以参考下. 用repeat和tile扩充数组元素,例如 >>> import numpy as np ...

  3. numpy 数组抽取_Python 关于NumPy的用法介绍

    NumPy是Python数值计算最重要的基础包,大多数提供科学计算的包都是用NumPy的数组作为构建基础.NumPy本身并没有提供多么高级的数据分析功能,理解NumPy数组以及面向数组的计算,将有助于 ...

  4. numpy 数组抽取_清晰易懂的Numpy入门教程

    原标题:清晰易懂的Numpy入门教程 翻译 | 石头 来源 | Machine Learning Plus Numpy是python语言中最基础和最强大的科学计算和数据处理的工具包,如数据分析工具pa ...

  5. numpy数组按某一维度相加_Python数据分析之NumPy(高级篇)

    ​ 一些更高级的ndarray处理 where和一些其他的逻辑运算 np.where(cond,x,y):满足条件(cond)输出x,不满足输出y x_arr = np.array([1.1, 1.2 ...

  6. 【python与数据分析】NumPy数值计算基础1——numpy数组及其运算

    目录 前言 一.创建数组 二.测试两个数组的对应元素是否足够接近 三.修改数组中的元素值 四.数组与标量的运算 五.数组与数组的运算 六.数组排序 七.数组重复 八.数组转置 九.数组所有元素累计和与 ...

  7. NumPy Essentials 带注释源码 三、NumPy 数组使用

    版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73252085 # 来源:NumPy ...

  8. python numpy 子数组_Python利用Numpy数组进行数据处理(一)

    Numpy数组使你可以将许多种数据处理任务表达为简洁的数组表达式(否则需要编写循环).用数组表达式代替循环的做法,通常被称为矢量化. np.meshgrid函数接受两个一维数组,并产生两个二维矩阵(对 ...

  9. python numpy 子数组_Python快速转换numpy数组中Nan和Inf的方法实例说明

    在使用numpy数组的过程中时常会出现nan或者inf的元素,可能会造成数值计算时的一些错误.这里提供一个numpy库函数的用法,使nan和inf能够最简单地转换成相应的数值. 转载:https:// ...

最新文章

  1. 数据降维(特征提取)和特征选择有什么区别?
  2. JQuery中的类选择器
  3. 网络工程师需要哪些知识_成长工程师可以教给我们哪些工程知识
  4. 实例解读Docker Swarm
  5. @程序员,React 使用如何避坑?
  6. CSS兼容性问题总结及解决方法
  7. 面试鹅厂,我被虐的体无完肤。。。
  8. 【Visual C++】Windows GDI贴图闪烁解决方法
  9. Php clearstatcache() 函数详解
  10. 实对称矩阵的特征值一定为实数证明
  11. torch.ones理解
  12. 商业智能系统具有的主要功能
  13. 文章/网站分享工具——百度分享
  14. 进击的开发者!第二期SWTC社区开发者大赛拉开序幕
  15. 为什么只能取出购票信息单_如何换取购票信息单 取票取出的是购票信息单
  16. 用flask开发个人博客(37)—— 使用Flask-pagedown实现博客文章预览的功能
  17. unix_timestamp()和 from_unixtime()的用法
  18. Allegro174版本新功能介绍之和172版本兼容设置
  19. 2019电商生意经(五):明确中台化的概念、形式与战略
  20. Node 在沪江的大规模实践

热门文章

  1. lsof-文件监控常用命令
  2. 《疯狂塔防物语》新一轮边玩边赚活动来了,仅面向战斗卡 NFT 持有人开放!
  3. STM32CbueMX之 USB下载更新固件Download Firmware Update(DFU)之一BootLoader程序编写
  4. HTTP代理测试小程序
  5. java编译通过,运行却提示找不到或无法加载主类的解决方案
  6. 时速云黄启功:容器云PaaS平台将成为IT基础设施重要组成部分
  7. 从永远到永远-电吉他综合效果器
  8. 【转载】VBoxManage相关命令
  9. win10打不开蓝牙,怎么办?几招解决
  10. ubuntu16.04调节亮度