沿特定维度扩展数组答案

【问题标题】：Expanding an array along particular dimension沿特定维度扩展数组
【发布时间】：2019-08-13 17:45:22
【问题描述】：

我有一个数组如下：

arr = np.arange(2*1*15).reshape(2, 1, 15)

现在，我如何扩展这个数组来塑造(2, 10, 15)。要填写这些值，可以使用与原始数组的(1, 15) 部分相同的值（即从最后两个维度）。

【问题讨论】：

标签： numpy multidimensional-array reshape tensor numpy-ndarray

【解决方案1】：

您可以使用numpy.repeat 沿第二个轴复制值：

np.repeat(arr, 10, axis=1).shape
# (2, 10, 15)

【讨论】：

【解决方案2】：

与此同时，我发现numpy.broadcast_to 也可以完成这项工作。

作为一个人为的小例子：

In [8]: np.broadcast_to(arr, (2, 5, 15))
Out[8]: 
array([[[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14],
        [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14],
        [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14],
        [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14],
        [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14]],

       [[15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
        [15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
        [15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
        [15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
        [15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29]]])

性能说明：计时后，我发现numpy.broadcast_to 大约是。与 numpy.repeat 相比，速度快 40 倍。 reason for this performance gain 是因为：

它更快，因为它创建了一个数据的只读视图，其中包含许多指向相同内存位置的元素。如果复制结果，则性能大致相同。如果您不需要编辑最终结果，它会提供巨大的性能提升

【讨论】：

它更快，因为它创建了数据的只读视图，其中许多元素指向相同的内存位置。如果你copy这个结果，性能差不多。如果您不需要编辑最终结果，它会提供巨大的性能提升