是否存在作用于现有数组的“np.repeat”?

正如我们在评论中所指出的,您可以使用广播分配来用合适大小的一维数组填充二维数组:

x[...] = [1, 5]

如果您的大数组在每一行中总是包含相同的项(也就是说,以后不会更改这些预设值),那么您几乎可以肯定地在代码的后面部分使用广播,并且只使用初始值 x 如

x = np.array([[1, 5]])

此数组具有形状 (1, 2) 与其他形状阵列兼容的广播 (4, 2) 在上面的示例中可能有。

如果每行中始终需要相同的值 和 由于某些原因,您不能使用广播(这两种情况都极不可能),您可以使用 broadcast_to 要使用显式二维形状创建数组而不复制内存,请执行以下操作:

x_bc = np.broadcast_to([1, 5], (4, 2)) # broadcast 1d [1, 5] to shape (4, 2)

这可能有效,因为它的形状正确,内存中只有两个唯一的元素:

>>> x_bc
array([[1, 5],
       [1, 5],
       [1, 5],
       [1, 5]])

>>> x_bc.strides
(0, 8)

但是您不能改变它,因为它是只读视图:

>>> x_bc[0, :] = [2, 4]
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-35-ae12ecfe3c5e> in <module>
----> 1 x_bc[0, :] = [2, 4]

ValueError: assignment destination is read-only

所以,如果每行中只需要相同的值 和 你不能用广播 和 你想稍后改变这些相同的行,你可以使用 stride tricks 要将相同的一维数据映射到二维数组,请执行以下操作:

>>> x_in = np.array([1, 5])
... x_strided = np.lib.stride_tricks.as_strided(x_in, shape=(4,) + x_in.shape,
...                                             strides=(0,) + x_in.strides[-1:])

>>> x_strided
array([[1, 5],
       [1, 5],
       [1, 5],
       [1, 5]])

>>> x_strided[0, :] = [2, 4]

>>> x_strided
array([[2, 4],
       [2, 4],
       [2, 4],
       [2, 4]])

它为您提供了一个固定形状的二维数组,该数组始终包含一个唯一的行,并且改变任何一行会改变其余的行(因为基础数据只对应一行)。小心处理,因为如果你想有两个不同的排,你必须做其他的事情。