python之numpy.tile 不能作为 Matlab repmat

根据 What is the equivalent of MATLAB's repmat in NumPy ，我尝试使用 python 从 3x3 数组构建 3x3x5 数组。

在 Matlab 中，这符合我的预期。

a = [1,1,1;1,2,1;1,1,1]; 
a_= repmat(a,[1,1,5]); 

大小(a_) = 3 3 5

但是对于 numpy.tile

b = numpy.array([[1,1,1],[1,2,1],[1,1,1]]) 
b_ = numpy.tile(b, [1,1,5]) 

b_.shape = (1, 3, 15)

如果我想生成与在 Matlab 中相同的数组，等效项是什么？

编辑 1

我希望得到的输出是

b_(:,:,1) = 
 
1 1 1   
1 2 1   
1 1 1   
 
b_(:,:,2) = 
 
1 1 1   
1 2 1   
1 1 1   
 
b_(:,:,3) = 
 
1 1 1   
1 2 1   
1 1 1   
 
b_(:,:,4) =   
 
1 1 1   
1 2 1   
1 1 1   
b_(:,:,5) = 
 
1 1 1   
1 2 1   
1 1 1   

但是@farenorth 和 numpy.dstack 给出的是

[[[1 1 1 1 1]   
[1 1 1 1 1]   
[1 1 1 1 1]]   
 
[[1 1 1 1 1]   
[2 2 2 2 2]   
[1 1 1 1 1]]   
 
[[1 1 1 1 1]   
[1 1 1 1 1]   
[1 1 1 1 1]]]   

请您参考如下方法:

NumPy 函数通常不是 matlab 函数的“直接”替代品。通常，“等效”函数的使用方式存在细微差别。适应确实需要时间，但我发现这种转变非常值得。

在这种情况下，np.tile 文档指出当您尝试将数组平铺到比定义的更高维度时会发生什么，

numpy.tile(A, reps)

Construct an array by repeating A the number of times given by reps.

If reps has length d, the result will have dimension of max(d, A.ndim).

If A.ndim < d, A is promoted to be d-dimensional by prepending new axes. So a shape (3,) array is promoted to (1, 3) for 2-D replication, or shape (1, 1, 3) for 3-D replication. If this is not the desired behavior, promote A to d-dimensions manually before calling this function.

在这种情况下，您的数组被转换为 [1, 3, 3] 的形状，然后被平铺。因此，要获得您想要的行为，请确保将一个新的单例维度附加到您想要的数组中，

>>> b_ = numpy.tile(b[..., None], [1, 1, 5]) 
>>> print(b_.shape) 
(3, 3, 5) 

请注意，我在此处使用了 None(即 np.newaxis)和省略号来指定数组末尾的新维度。您可以找到有关这些功能的更多信息 here .

受 OP 评论启发的另一种选择是:

b_ = np.dstack((b, ) * 5) 

在这种情况下，我使用元组乘法来“repmat”数组，然后由 np.dstack 构造.

正如@hpaulj 指出的那样，Matlab 和 NumPy 显示矩阵的方式不同。要复制 Matlab 输出，您可以执行以下操作:

>>> for idx in xrange(b_.shape[2]): 
...    print 'b_[:, :, {}] = \n{}\n'.format(idx, str(b_[:, :, idx])) 
... 
b_[:, :, 0] =  
[[1 1 1] 
 [1 2 1] 
 [1 1 1]] 
 
b_[:, :, 1] =  
[[1 1 1] 
 [1 2 1] 
 [1 1 1]] 
 
b_[:, :, 2] =  
[[1 1 1] 
 [1 2 1] 
 [1 1 1]] 
 
b_[:, :, 3] =  
[[1 1 1] 
 [1 2 1] 
 [1 1 1]] 
 
b_[:, :, 4] =  
[[1 1 1] 
 [1 2 1] 
 [1 1 1]] 

祝你好运!