Numpy如何沿多维度重复数组以匹配另一数组的维度

你可以通过numpy内置的广播机制直接完成扩展，完全避免循环操作，效率远高于逐维度repeat的实现，以下是两种常用方案：

方案1：使用np.broadcast_to（最高效，生成视图） #

该方案利用numpy的广播规则，无需实际复制数据，仅生成虚拟视图，仅读场景下性能最优：

import numpy as np

a = np.arange(300)
b = np.zeros((300, 10, 20, 40, 50))

# 先给a补全尾部维度，和b的维度数量对齐
a_aligned = a.reshape(a.shape + (1,) * (b.ndim - a.ndim))
# 直接广播到b的形状
c = np.broadcast_to(a_aligned, b.shape)

# 若需要可写的数组，额外调用copy即可
# c = np.broadcast_to(a_aligned, b.shape).copy()

*注意：np.broadcast_to生成的是只读视图，直接修改会报错，有修改需求请调用.copy()生成实际数组。

方案2：使用np.tile（一次性生成可写数组） #

如果需要直接得到可修改的实体数组，可以用np.tile一次性完成所有维度的重复：

a_aligned = a.reshape(a.shape + (1,) * (b.ndim - a.ndim))
# 定义各维度重复次数，首维不重复，后续维度和b对应维度长度一致
repeat_times = (1,) + b.shape[1:]
c = np.tile(a_aligned, repeat_times)

两种方案的性能都远优于逐维度循环repeat的实现，维度数量越多提升越明显，且均支持b的维度数量、各维度长度为任意值的场景。

内容的提问来源于stack exchange，提问作者Liris