Python-Numpy库中的tile（）函数详解

简介

tile（）函数是在Python的numpy.lib.shape_base库中，其功能是平铺所给的数组。

• 注意：使用前需import numpy

import库或模块的三种方法（以numpy库为例）

• import numpy
  说明：import整个numpy库，在import时简单，但使用时麻烦，其缺点在于：
  1、调用整个库或模块浪费时间和资源，尤其是需要多个库或模块支撑时。
  2、在使用其中的函数使需要有numpy.来限定，否则会报错，如 numpy.tile（）
• from numpy import *
  说明：import numpy库中的任意函数，*为通配符，与上一种方式的不同之处在于不需要库名来限定（常用这种方法）
• from numpy import tile
  说明：仅仅import numpy库中的tile()函数

格式

• tile(A, reps)

• A：输入的数组（array）
• reps：数组A重复的次数；可以有两种形式（数字和二维元组）
  tile的本意有“铺以瓷砖，铺以瓦”的意思，即将数组视为瓷砖，在一个平面上将此数组平铺开来（数字对应一维，元组对应二维 tuple（纵铺个数，横铺个数）

返回值

返回平铺后的数组（array）

举例

我们先给定一个2维数组

from numpy import *

c = array([[1,2],[3,4]])
print(c)

Output：
[[1 2]
 [3 4]]

1、横向平铺

print(tile(c,4))
#等效为print(tile(c,(1,4)))

Output：
[[1 2 1 2 1 2 1 2]
 [3 4 3 4 3 4 3 4]]

2、纵向平铺

print(tile(c,(3,1)))

Output：
[[1 2]
 [3 4]
 [1 2]
 [3 4]
 [1 2]
 [3 4]]

3、横向纵向平铺

print(tile(c,(3,4)))

Output：
[[1 2 1 2 1 2 1 2]
 [3 4 3 4 3 4 3 4]
 [1 2 1 2 1 2 1 2]
 [3 4 3 4 3 4 3 4]
 [1 2 1 2 1 2 1 2]
 [3 4 3 4 3 4 3 4]]

机器学习实例

• kNN中，在计算距离时，需要用到此函数来对目标向量进行扩展，进而得到与各个实例的差值数组（代码来自《机器学习实战》-Ch2）
  diffMat = tile(inX, (dataSetSize,1)) - dataSet

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]#读取数据集第一维度的长度，即行数。
    #计算距离
    diffMat = tile(inX, (dataSetSize,1)) - dataSet#目标向量与dataSet的差值数组
    sqDiffMat = diffMat**2 # ** 为指数表达式pow
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()

参考

1、图解Numpy的tile函数
2、《机器学习实战》