NumPy对应R的row()/col()函数及特定数组创建的更优方法问询

嘿，我来帮你搞定这两个NumPy的问题～

R里的row()和col()函数会返回和输入矩阵同维度的行号、列号矩阵，在NumPy里有几种简洁的实现方式：

• 用np.indices()直接生成：这是最贴近R逻辑的方法，传入目标矩阵的维度，就能直接得到行号和列号矩阵。比如生成一个3×4的行/列号矩阵：

  import numpy as np
  rows, cols = np.indices((3, 4))
  print(rows)
  # 输出行号矩阵：
  # [[0 0 0 0]
  #  [1 1 1 1]
  #  [2 2 2 2]]
  print(cols)
  # 输出列号矩阵：
  # [[0 1 2 3]
  #  [0 1 2 3]
  #  [0 1 2 3]]
  

• 用np.meshgrid()生成：注意参数顺序，因为meshgrid默认先处理x轴（对应列），再处理y轴（对应行）：

  cols, rows = np.meshgrid(np.arange(4), np.arange(3))
  # 结果和上面的indices完全一致
  

• 用np.mgrid()快速生成：语法更简洁，效果和indices相同：

  rows, cols = np.mgrid[:3, :4]
  

你的现有实现是可行的，但利用NumPy的广播机制能做到更高效——避免不必要的数据复制，尤其是当N和M很大时，内存和速度优势会很明显。

先明确你要生成的数组：

• 数组a：每行是重复M+1次的0、1…N，形状为(N+1, M+1)
• 数组b：每列是重复N+1次的0、1…M，形状为(N+1, M+1)

优化后的实现： #

生成数组a

把一维的np.arange(N+1)转换成列向量，NumPy会自动广播到M+1列：

a = np.arange(N+1)[:, np.newaxis]
# 或者用reshape更直观：a = np.arange(N+1).reshape(-1, 1)

如果需要显式生成完整的二维数组（而非依赖广播），可以用np.broadcast_to：

a = np.broadcast_to(np.arange(N+1)[:, np.newaxis], (N+1, M+1))

生成数组b

同理，把一维的np.arange(M+1)转换成行向量，自动广播到N+1行：

b = np.arange(M+1)[np.newaxis, :]
# 或者：b = np.arange(M+1).reshape(1, -1)

一次性生成两个数组

还可以用np.meshgrid一步到位，同时生成a和b：

b, a = np.meshgrid(np.arange(M+1), np.arange(N+1))

这里要注意顺序，meshgrid返回的第一个结果是列号矩阵（对应你的b），第二个是行号矩阵（对应你的a）。

为什么比tile更优？ #

你的tile方法会直接复制数据生成完整的二维数组，而广播机制是虚拟复制——只存储原始的一维数组，在计算时才动态扩展，内存占用大幅降低（比如N=1000时，广播方式的内存占用只有tile的1/1000），创建速度也更快。

内容的提问来源于stack exchange，提问作者user31264