numpy tile方法_python中的numpy模块

numpy tile方法_python中的numpy模块numpy中tile的用法

大家好,又见面了,我是你们的朋友全栈君。

a=arange(1,3)
#a的结果是:
array([1,2])
1,当  tile(a,1) 时:
tile(a,1)
#结果是
array([1,2])
 
 
tile(a,2)
#结果是
array([1,2,1,2])
 
 
tile(a,3)
#结果是
array([1,2,1,2,1,2])
 
说明tile函数第二个参数是用来控制a重复次数的
 
2,当tile(a,(1,1))时
#结果是
array([[1, 2]])
tile(a,(1,1)).shape
#结果是(1,2),说明是一个1X2的矩阵。
 
tile(a,(1,2))
#结果是
array([[1, 2, 1, 2]])
>>> tile(a,(1,2)).shape
(1, 4)
#结果是一个1X4的矩阵,说明tile里参数列表中元组的第二个参数是控制a重复次数的
>>> tile(a,(2,1))
array([[1, 2],
       [1, 2]])
>>> tile(a,(2,1)).shape
(2, 2)
######说明参数列表的元组第一个是控制行数的
 
>>> tile(a,(1,1,1))
array([[[1, 2]]])
>>> tile(a,(1,1,1)).shape
(1, 1, 2)
一个三维矩阵
 
 
>>> tile(a,(1,1,2))
array([[[1, 2, 1, 2]]])
>>> tile(a,(1,1,2)).shape
(1, 1, 4)
 
#说明最后一个参数是控制a重复几次的
>>> tile(a,(10,1,2))
array([[[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2]]])
>>> tile(a,(10,1,2)).shape
(10, 1, 4)
 
#说明第一个10是控制行数的,所以第二个是控制列数的
>>> tile(a,(10,2,2)).shape
(10, 2, 4)
>>> tile(a,(10,2,2))
array([[[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]],
 
 
       [[1, 2, 1, 2],
        [1, 2, 1, 2]]])
 
 
总结:
tile(a,x):   x是控制a重复几次的,结果是一个一维数组
tile(a,(x,y)):   结果是一个二维矩阵,其中行数为x,列数是一维数组a的长度和y的乘积
tile(a,(x,y,z)):   结果是一个三维矩阵,其中矩阵的行数为x,矩阵的列数为y,而z表示矩阵每个单元格里a重复的次数。(三维矩阵可以看成一个二维矩阵,每个矩阵的单元格里存者一个一维矩阵a)

 

转载于:https://www.cnblogs.com/xinmomoyan/p/10399948.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/106999.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • http://www.nginx.cn/install

    http://www.nginx.cn/install

    2022年3月4日
    37
  • mybatis generator配置独立sequence

    mybatis generator配置独立sequence

    2021年5月12日
    115
  • qtreewidget基本使用_qtreewidget列宽自适应

    qtreewidget基本使用_qtreewidget列宽自适应1、voidQTreeWidget::setHeaderLabels(constQStringList&labels)设置表头,QStringList有几项,表头就有多少列2、voidQHeaderView::setSortIndicatorShown(boolshow)Thispropertyholdswhetherthesortindicatoris

    2022年10月1日
    4
  • Python中的lambda表达式

    Python中的lambda表达式目录1.简约而不简单的lambda表达式1.1匿名函数基础1.2为什么要使用匿名函数?1.3Python函数式编程1.简约而不简单的lambda表达式在Python中,除了常规函数,你应该也会在代码中见到一些“非常规”函数,它们往往很简短,就一行,并且有个很酷炫的名字——lambda,没错,这就是匿名函数。匿名函数在实际工作中同样举足轻重,正确地运用匿名函数,能让我们的代码更简洁、易读。让我们一起来看下Python中简约而不简单的匿名函数。1.1匿名函数基础..

    2022年10月18日
    4
  • 【spring-kafka】@KafkaListener详解与使用

    【spring-kafka】@KafkaListener详解与使用说明从2.2.4版开始,您可以直接在注释上指定Kafka使用者属性,这些属性将覆盖在使用者工厂中配置的具有相同名称的所有属性。您不能通过这种方式指定group.id和client.id属性。他们将被忽略;可以使用#{…​}或属性占位符(${…​})在SpEL上配置注释上的大多数属性。比如:@KafkaListener(id=”consumer-id”,topics=”SHI_TOPIC1″,concurrency=”${listen.concurrency:3}”,

    2022年10月14日
    3
  • 滑动平均值滤波_m点滑动平均滤波器

    滑动平均值滤波_m点滑动平均滤波器   关于数据采集的滑动平均值滤波的算法      —王超杰    以ADC为例,采集口的模拟量可能夹杂着不同频段,不同峰值的干扰信号,这些干扰信号和要采集的模拟量互相干扰,那么ADC采集的数据量就会偏移原有的真实结果。那么通过硬件与数字滤波两种手段可大大减少采集误差,提高精度。    一般滤波均通过程序算法滤除,其包括去极值滤波、算术平均值滤波、滑动平均值滤波、加…

    2025年7月6日
    4

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号