参考:https://zhuanlan.zhihu.com/p/20878530?refer=intelligentunit
假如现在我们有一个向量y =[1,0,1]和一个矩阵x =[[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]],我们的目的就是求解x的每一个行向量和y向量的和。那么我们该如何求解呢?
由于x,y不是同型矩阵,所以是不能直接相加的。但是我们可以把每个行向量与y相加,也就是如下的程序。如果我们不计效率的话,这样做当然没有问题。
x+y一个粗糙的实现
import numpy as np
x = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
y =np.array([1,0,1])
#z用来存储结果
z = np.zeros(x.shape,dtype=np.int64)
for i in range(4):
z[i,:]=x[i,:]+y
用tile实现
显然上面的程序很中规中矩,但是在numpy中还有更好的实现方法,就是tile函数。
tile函数
其函数格式为tile(A,reps)。A是要扩展的目标矩阵,reps指明维度信息。意即把A按规律填充成x的同型矩阵。
y =np.array([1,0,1])
#y1就是:
# 1 0 1 1 0 1
# 1 0 1 1 0 1
# 1 0 1 1 0 1
# 1 0 1 1 0 1
y1=np.tile(y,[3,2])
可以看出tile函数把y向量看成一个整体,而后面的维度信息,第一个表示行方向上扩展后的矩阵是原来的3倍,第二个表示列方向上扩展后的矩阵是原来的2倍。
y =np.array([1,0,1])
#array([1, 0, 1, 1, 0, 1, 1, 0, 1])
y1 = np.tile(y,3)
可以看出如果被扩展是一个向量,且维度信息只有一个的时候,是在列方向上扩展的。其实如果你有仔细思考的话,你会发现假如我想在行方向扩展,而被扩展的又恰好是个向量应该怎么实现呢?其实这个是可以利用最开始讲的有2个维度信息的扩展,不就是在行方向n倍,而在列方向保持不变——不就是列倍数为吗?
#
#array([[1, 0, 1],
# [1, 0, 1],
# [1, 0, 1],
# [1, 0, 1]])
y3= np.tile(y,[4,1])
此时你会发现y3和x已经是同型矩阵了。
tile实现x+y
import numpy as np
x = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
y =np.array([1,0,1])
y_1= np.tile(y,[4,1])
re = x+y_1