Python 如何使用不均匀子阵列作为平铺来平铺1D numpy阵列？

有没有办法使用一维数组的子数组作为

np.tile

的输入tile？我首先说：

• 一维阵列
• 每个瓷砖的尺寸
• 每个磁贴的重复次数

在这种情况下，每个磁贴的重复次数等于该磁贴中的元素数

例如：

arr = np.array([0,1,2,3,4])
tile_sizes = np.array([2, 3])
num_repeats = tile_sizes

#do some np.tile thing here

输出阵列将是：

np.array([0,1,0,1,2,3,4,2,3,4,2,3,4])

请注意，第一个

2

元素（

0

和

1

）形成了一个

（2，）

形状的瓷砖，重复了

2次。下一个平铺是
3
元素（
2
、
3
和
4
），平铺了
3次

这个用例将涉及一百万个元素的数组，所以内存和速度是个问题，这意味着广播是首选

实现这一目标的非广播方式如下所示：

tiles = np.split(arr, np.cumsum(tile_sizes)[:-1])
repeated_tiles = [np.tile(tile, tile.shape[0]) for tile in tiles]
output = np.concatenate(repeated_tiles)
output
>>>>>
array([0, 1, 0, 1, 2, 3, 4, 2, 3, 4, 2, 3, 4])

这不是一个完美的解决方案，但是你可以使用
np来摆脱列表理解。如果有帮助，重复

a = np.arange(5)
tile_sizes = np.array([2, 3])
tiles = np.array(np.split(a, np.cumsum(tile_sizes)[:-1]), dtype=np.object)
tiles = np.concatenate(np.repeat(tiles, tile_sizes))