>> import numpy as np>> help(np.repeat)>> help(np.tile)

• 二者执行的是均是复制操作；
• np.repeat：复制的是多维数组的每一个元素；
• np.tile：复制的是多维数组本身；

1. np.repeat

>> x = np.arange(1, 5).reshape(2, 2)>> np.repeat(x, 2)array([1, 1, 2, 2, 3, 3, 4, 4])        # 对数组中的每一个元素进行复制        # 除了待重复的数组之外，只有一个额外的参数时，高维数组也会 flatten 至一维

当然将高维 flatten 至一维，并非经常使用的操作，也即更经常地我们在某一轴上进行复制，比如在行的方向上（axis=1），在列的方向上（axis=0）：

>> np.repeat(x, 3, axis=1)array([[1, 1, 1, 2, 2, 2],       [3, 3, 3, 4, 4, 4]])>> np.repeat(x, 3, axis=0)array([[1, 2],       [1, 2],       [1, 2],       [3, 4],       [3, 4],       [3, 4]])

当然更为灵活地也可以在某一轴的方向上（axis=0/1），对不同的行/列复制不同的次数：

>> np.repeat(x, (2, 1), axis=0)array([[1, 2],       [1, 2],       [3, 4]])>> np.repeat(x, (2, 1), axis=1)array([[1, 1, 2],       [3, 3, 4]])

2. np.tile

Python numpy 下的 np.tile有些类似于 matlab 中的 repmat函数。不需要 axis 关键字参数，仅通过第二个参数便可指定在各个轴上的复制倍数。

>> a = np.arange(3)>> 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]])>> b = np.arange(1, 5).reshape(2, 2)>> np.tile(b, 2)array([[1, 2, 1, 2],       [3, 4, 3, 4]])# 等价于>> np.tile(b, (1, 2))