Numpy中np.repeat与np.broadcast_to的差异及等效实现问询

为什么你的代码返回False？ #

问题出在np.broadcast_to和np.repeat的核心逻辑完全不同，它们的维度扩展方式根本不是一回事：

• np.broadcast_to是「广播视图」：它不会复制数据，只是基于numpy的广播规则，给原数组创建一个新的形状视图。你把A reshape成(n,1,d)后广播到(n,d-1,d)，本质是把A的每一行（形状(d,)）在第二个维度上重复d-1次。比如当n=2, d=3时，结果会是：

  [[[a,b,c], [a,b,c]],
   [[d,e,f], [d,e,f]]]
  

• np.repeat(A, d-1)是「元素级重复」：默认会先把数组展平，然后每个元素单独重复d-1次，再reshape回(n,d-1,d)。还是用n=2, d=3的例子，展平后的A是[a,b,c,d,e,f]，重复后变成[a,a,b,b,c,c,d,d,e,e,f,f]，reshape后的结果是：

  [[[a,a,b], [b,c,c]],
   [[d,d,e], [e,f,f]]]
  

这两个数组的元素排列完全不一样，自然np.all会返回False。

如何用np.broadcast_to复现np.repeat(A,k).reshape((n,k,d))的效果？ #

首先要明确：np.broadcast_to只能创建共享原数组内存的视图，而np.repeat的结果是完全复制数据的新数组（每个重复元素都是独立的内存块）。所以严格来说，你没法直接用np.broadcast_to得到和np.repeat完全一样的数组（因为后者是副本，前者是视图）。

但如果只是要得到数值上一致的结果，可以结合broadcast_to和reshape操作，不过这一步reshape会创建副本（因为需要改变元素排列顺序）：

import numpy as np
n = 100
d = 10
k = d-1
A = np.random.uniform(size=(n,d))

# 复现 np.repeat(A,k).reshape(n,k,d)
# 1. 先把A的每个元素在第三个维度上广播k次
broadcasted = np.broadcast_to(A.reshape(n, d, 1), (n, d, k))
# 2. reshape成目标形状，这里会创建副本
result = broadcasted.reshape(n, k, d)

# 验证结果一致
print(np.all(result == np.repeat(A,k).reshape(n,k,d)))  # 输出True

不过如果你真正想要的是广播式的轴重复（也就是broadcast_to那种重复整行的效果），那对应的repeat写法应该是指定axis=1，而不是默认的展平重复：

# 这才是和broadcast_to结果一致的repeat写法
repeat_version = np.repeat(A.reshape(n,1,d), k, axis=1)
print(np.all(repeat_version == np.broadcast_to(A.reshape(n,1,d), (n,k,d))))  # 输出True

内容的提问来源于stack exchange，提问作者lrnv