>> import numpy as np
>> help(np.repeat)
>> help(np.tile)

• 二者執行的是均是復制操作；
• np.repeat：復制的是多維數組的每一個元素；
• np.tile：復制的是多維數組本身；

1. np.repeat

>> x = np.arange(1, 5).reshape(2, 2)
>> np.repeat(x, 2)
array([1, 1, 2, 2, 3, 3, 4, 4])
        # 對數組中的每一個元素進行復制
        # 除了待重復的數組之外，只有一個額外的參數時，高維數組也會 flatten 至一維

當然將高維 flatten 至一維，並非經常使用的操作，也即更經常地我們在某一軸上進行復制，比如在行的方向上（axis=1），在列的方向上（axis=0）：

>> np.repeat(x, 3, axis=1)
array([[1, 1, 1, 2, 2, 2],
 [3, 3, 3, 4, 4, 4]])
>> np.repeat(x, 3, axis=0)
array([[1, 2],
 [1, 2],
 [1, 2],
 [3, 4],
 [3, 4],
 [3, 4]])

當然更為靈活地也可以在某一軸的方向上（axis=0/1），對不同的行/列復制不同的次數：

>> np.repeat(x, (2, 1), axis=0)
array([[1, 2],
 [1, 2],
 [3, 4]])
>> np.repeat(x, (2, 1), axis=1)
array([[1, 1, 2],
 [3, 3, 4]])

2. np.tile

Python numpy 下的 np.tile有些類似於 matlab 中的 repmat函數。不需要 axis 關鍵字參數，僅通過第二個參數便可指定在各個軸上的復制倍數。

>> a = np.arange(3)
>> np.tile(a, 2)
array([0, 1, 2, 0, 1, 2])
>> np.tile(a, (2, 2))
array([[0, 1, 2, 0, 1, 2],
 [0, 1, 2, 0, 1, 2]])

>> b = np.arange(1, 5).reshape(2, 2)
>> np.tile(b, 2)
array([[1, 2, 1, 2],
 [3, 4, 3, 4]])

# 等價於
>> np.tile(b, (1, 2))