如何在Numpy中复用数组b的内存重新生成tile数组？

如果你的m和n在两次操作中保持不变（即b的形状无需改变），完全可以实现内存复用，不需要重新创建新数组。具体方案如下：

核心思路 #

np.tile()默认会创建新数组，直接赋值给b会让旧数组被标记为垃圾回收，无法复用内存。要实现原地更新，需将a重复后的内容直接写入b已占用的内存空间，而非重新分配内存。

具体实现 #

方法1：基于广播的原地赋值 #

因为b的每一行都是a重复n次的结果，我们可以先生成a重复n次的一维数组，再通过广播将其赋值给b的所有行：

# 第一次初始化
a = np.zeros(N)
b = np.tile(a, [m, n])

# 更新a后，原地复用b的内存更新数据
a[4] = 5
row = np.tile(a, n)
b[:] = row

方法2：无临时数组的高效写法 #

如果想进一步减少临时数组的开销，可直接利用numpy的广播机制，省去中间的row数组：

# 更新a后，直接原地更新b
a[4] = 5
b[:] = a.reshape(1, -1).repeat(n, axis=1)

这里a.reshape(1, -1)将一维的a转为二维行向量，repeat(n, axis=1)在列方向重复n次，最后通过b[:] = ...将该行向量广播到b的所有行，全程复用b的已有内存。

注意事项 #

• 若m或n在两次操作中发生变化，b的形状需要调整，此时无法复用原有内存，必须重新分配数组。
• 原地赋值要求b与a的dtype一致，初始化时需确保两者类型匹配，否则会触发类型转换错误。

内容的提问来源于stack exchange，提问作者hovnatan