numpy中对于tile的理解

近些天使用numpy的时候发现了这么一个函数tile，感觉这个函数比较有用，可以将减少循环，直接矩阵运算优化运算速度。博主认为很有必要认真讨论一下这个函数的功能。

官网解释

老传统，我们先看一下官网是怎么说的：

相当于是一个复制函数，扩充矩阵的规模值直至到我们满意的一个形状。"tile"在英文中作动词会有“铺”的意思，与extend是同义词。
通过提供的次数reps来决定重复A的次数来构造一个array。
如果reps的长度为d，那么给出结果的维度就是max(d, A.ndim).

如果 A.ndim < d，则通过添加新轴将 A 提升为 d 维。 因此，将形状 (3,) 数组提升为 (1, 3) 以进行 2-D 复制，或将形状 (1, 1, 3) 提升为 (1, 1, 3) 以进行 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 提升到 d 维度。

如果 A.ndim > d，代表通过在它前面添加 1 被提升为 A.ndim。 因此，对于形状为 (2, 3, 4, 5) 的 A，(2, 2) 的重复次数被视为 (1, 1, 2, 2)。

最后注意一下：这里特意提到了虽然 tile 可以用于广播，但强烈建议使用 numpy 的广播操作和功能。

详细解析

我们首先来看几个简单例子：

a = np.array([0, 1, 2])
np.tile(a, 2)
array([0, 1, 2, 0, 1, 2])
np.tile(a, (2, 2))
array([[0, 1, 2, 0, 1, 2],
       [0, 1, 2, 0, 1, 2]])
np.tile(a, (2, 1, 2))
array([[[0, 1, 2, 0, 1, 2]],
       [[0, 1, 2, 0, 1, 2]]])

如代码所示，如果reps只是一个标量的话，我们仅需将其在矩阵内部加上赋值reps倍即可，而如果是矢量矩阵例如reps是（a, b, c）的话，我们需要在内部扩充c倍之后，将这一个整体矩阵看作是一个A然后他是形状为（a,b)里面的一个元素，这样的话我们就能够成功理解有关操作了。按照这个思路，我们看一下更加复杂的一些操作：

b = np.array([[1, 2], [3, 4]])
np.tile(b, 2)
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])
np.tile(b, (2, 1))
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])
np.tile(b, (3, 2))
array([[1, 2, 1, 2],
       [3, 4, 3, 4],
       [1, 2, 1, 2],
       [3, 4, 3, 4],
       [1, 2, 1, 2],
       [3, 4, 3, 4]])
np.tile(b, (3, 4, 2))
array([[[1, 2, 1, 2],
        [3, 4, 3, 4],
        [1, 2, 1, 2],
        [3, 4, 3, 4],
        [1, 2, 1, 2],
        [3, 4, 3, 4],
        [1, 2, 1, 2],
        [3, 4, 3, 4]],

       [[1, 2, 1, 2],
        [3, 4, 3, 4],
        [1, 2, 1, 2],
        [3, 4, 3, 4],
        [1, 2, 1, 2],
        [3, 4, 3, 4],
        [1, 2, 1, 2],
        [3, 4, 3, 4]],

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

实际上最后一个便是我们所谓的广播操作，但是numpy官方并不希望我们利用这个函数来进行广播操作。
最后仍然放一些实例吧：

c = np.array([1,2,3,4])
np.tile(c,(4,1))
array([[1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4]])

b = np.random.randint(3, 29, 8).reshape(4, 2)
[[28 20]
 [27  8]
 [ 4 22]
 [23  8]]
np.tile(b, (2, 1))
array([[28, 20],
       [27,  8],
       [ 4, 22],
       [23,  8],
       [28, 20],
       [27,  8],
       [ 4, 22],
       [23,  8]])

参考文章

https://numpy.org/doc/stable/reference/generated/numpy.tile.html