在NumPy中相当于MATLAB的repmat

我想使用NumPy执行以下MATLAB代码的等效项：repmat([1; 1], [1 1 1])。我将如何完成？

对于Matlab用户，这是一个更好（官方）的NumPy链接-恐怕其中的Mathesaurus已经过时了。

的numpy的当量repmat(a, m, n)是tile(a, (m, n))。

这适用于多个维度，并提供与matlab类似的结果。（Numpy提供了3d输出数组，正如您期望的那样-由于某种原因，matlab提供了2d输出-但内容相同）。

Matlab：

>> repmat([1;1],[1,1,1])

ans =
     1
     1

蟒蛇：

In [46]: a = np.array([[1],[1]])
In [47]: np.tile(a, [1,1,1])
Out[47]: 
array([[[1],
        [1]]])

请注意，NumPy的广播机制已解决了需要使用MATLAB的repmat的某些原因，该机制使您可以使用形状相似的数组进行各种类型的数学运算。因此，如果您有一个表示3色图像的1600x1400x3数组，则可以（在元素上）相乘[1.0 0.25 0.25]以减少每个像素的绿色和蓝色量。有关更多信息，请参见上面的链接。

请参阅Matlab用户的NumPy。

Matlab：

repmat(a, 2, 3)

脾气暴躁：

numpy.kron(numpy.ones((2,3)), a)

Numpy中的Matlib（numpy.matlib.repmat（））：

numpy.matlib.repmat(a, 2, 3)

这就是我有点儿摆弄的方式。很高兴得到纠正，希望能有所帮助。

假设您有2x3个元素的矩阵M。显然，这有两个方面。

当要求沿着矩阵已经具有的维度操纵输入矩阵时，我看不到Matlab和Python之间的区别。因此这两个命令

repmat(M,m,n) % matlab

np.tile(M,(m,n)) # python

对于等级2（二维）的矩阵实际上是等效的。

当您要求重复/平铺比输入矩阵更多的维度时，事情变得与直觉相反。回到等级2和形状2x3的矩阵M，足以看出输出矩阵的大小/形状发生了什么。假设现在的操作顺序为1,1,2。

在Matlab中

> size(repmat(M,1,1,2))
ans =

    2   3   2

它已经复制了输入矩阵的前两个维度（行和列），并已将其重复一次到新的第三个维度（即复制了两次）。repmat符合重复矩阵的命名。

在Python中

>>> np.tile(M,(1,1,2)).shape
(1, 2, 6)

它采用了不同的过程，因为我认为序列（1,1,2）的读取方式与Matlab中的读取方式不同。从右到左读取列，行和面外尺寸方向的份数。生成的对象具有与Matlab不同的形状。人们可以不再断言repmat和tile等价指令。

为了变得tile像repmat，在Python中必须确保输入矩阵的维数与序列中的元素一样多。例如，这可以通过一些预处理并创建相关对象N来完成。

N = M[:,:,np.newaxis]

然后，在输入端有N.shape = (2,3,1)而不是M.shape = (2,3)和在输出端

>>> np.tile(N,(1,1,2)).shape
(2, 3, 2)

这是的答案size(repmat(M,1,1,2))。我猜这是因为我们已经指导Python将第三个维度添加到（2,3）的右侧，而不是它的左侧，以便Python可以按Matlab的预期计算出序列（1,1,2）的阅读方式。

在元件[:,:,0]在Python答案Ñ将包含相同的值作为元素(:,:,1)Matlab的答案中号。

最后，我似乎找不到repmat当人使用Kronecker产品的等效产品

>>> np.kron(np.ones((1,1,2)),M).shape
(1, 2, 6)

除非我如上所述将M前提为N。因此，我认为继续前进的最一般方法是使用np.newaxis。

当我们考虑等级3（三个维度）的矩阵L以及在输出矩阵中不添加任何新维度的简单情况时，游戏将变得更加棘手。这两个看似等效的指令不会产生相同的结果

repmat(L,p,q,r) % matlab

np.tile(L,(p,q,r)) # python

因为行，列和平面外方向在Matlab中是（p，q，r）在Python中是（q，r，p），在rank-2数组中不可见。在那里，必须要小心，使用两种语言获得相同的结果将需要更多的预处理。

我知道这种推理可能不是一般性的，但我只能在目前为止得出结论。希望这会邀请其他人对其进行更严格的测试。

认识tile和repeat。

x = numpy.arange(5)
print numpy.tile(x, 2)
print x.repeat(2)

numpy.matlib有一个 repmat函数，其接口与matlab函数类似

from numpy.matlib import repmat
repmat( np.array([[1],[1]]) , 1, 1)

>>> import numpy as np

>>> np.repeat(['a','b'], [2,5])

array(['a', 'a', 'b', 'b', 'b', 'b', 'b'], dtype='<U1')

>>> np.repeat([1,2], [2,5])

array([1, 1, 2, 2, 2, 2, 2])

>>> np.repeat(np.array([1,2]), [3]).reshape(2,3)

array([[1, 1, 1],
       [2, 2, 2]])

>>> np.repeat(np.array([1,2]), [2,4]).reshape(3,2)

array([[1, 1],
       [2, 2],
       [2, 2]])

>>> np.repeat(np.matrix('1 2; 3 4'), [2]).reshape(4,2)

matrix([[1, 1],
        [2, 2],
        [3, 3],
        [4, 4]])