如何将1维numpy数组重复堆叠为指定行数的2维numpy矩阵

问题背景 #

现有1维numpy数组：[0, 0, 0, 0, 0, 0, 0, 0, 0, 1]，需要将其重复5次按行堆叠，构造5行10列、每行内容与原数组完全一致的2维矩阵，期望输出如下：

[[0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
[0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
[0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
[0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
[0., 0., 0., 0., 0., 0., 0., 0., 0., 1.]]

numpy中以下几种内置方法都可以高效实现该需求：

• np.tile（推荐，语义最匹配）
  该方法的设计目的就是按指定维度重复铺放数组，代码最直观、执行效率也属于第一梯队：

  import numpy as np
  arr = np.array([0,0,0,0,0,0,0,0,0,1], dtype=np.float64)
  # 参数传入(行重复次数, 列重复次数)，列不需要重复所以传1
  result = np.tile(arr, (5, 1))
  

• np.repeat + 维度扩展
  np.repeat用于沿指定轴重复数组元素，先给原1维数组增加一个行维度，再沿行轴重复5次即可：

  import numpy as np
  arr = np.array([0,0,0,0,0,0,0,0,0,1], dtype=np.float64)
  # arr[np.newaxis, :] 将数组形状从(10,)转为(1,10)
  result = np.repeat(arr[np.newaxis, :], 5, axis=0)
  

• np.vstack（写法最简洁）
  垂直堆叠接口，直接传入包含5份原数组的列表即可完成堆叠，适合快速写代码的场景：

  import numpy as np
  arr = np.array([0,0,0,0,0,0,0,0,0,1], dtype=np.float64)
  result = np.vstack([arr]*5)
  

• 广播运算实现
  利用numpy的广播机制，通过形状为(5,1)的全1矩阵和原数组做矩阵乘法，自动广播得到目标矩阵，适合需要同步做数值计算的场景：

  import numpy as np
  arr = np.array([0,0,0,0,0,0,0,0,0,1], dtype=np.float64)
  result = np.ones((5, 1)) @ arr[np.newaxis, :]
  

效率提示：处理大规模数组时，优先选择np.tile和np.repeat，二者是numpy底层专门为数组重复操作实现的接口，内存开销最小、运行速度最快；np.vstack在数据量小于100万级时和前两者速度差异极小，日常使用完全足够。

内容的提问来源于stack exchange，提问作者Arun