Solución:
Aquí hay un enlace de NumPy (oficial) mucho mejor para los usuarios de Matlab: me temo que el de mathesaurus está bastante desactualizado.
El equivalente numpy de repmat(a, m, n) es tile(a, (m, n)).
Esto funciona con múltiples dimensiones y da un resultado similar al de matlab. (Numpy proporciona una matriz de salida 3d como era de esperar; matlab, por alguna razón, ofrece una salida 2d, pero el contenido es el mismo).
Matlab:
>> repmat([1;1],[1,1,1])
ans =
1
1
Pitón:
In [46]: a = np.array([[1],[1]])
In [47]: np.tile(a, [1,1,1])
Out[47]:
array([[[1],
[1]]])
Tenga en cuenta que algunas de las razones por las que necesitaría utilizar el repmat de MATLAB están a cargo del mecanismo de transmisión de NumPy, que le permite hacer varios tipos de matemáticas con matrices de forma similar. Entonces, si tuviera, digamos, una matriz de 1600x1400x3 que representa una imagen de 3 colores, podría (elemento a nivel) multiplicarla por [1.0 0.25 0.25] para reducir la cantidad de verde y azul en cada píxel. Consulte el enlace anterior para obtener más información.
Así es como lo entendí por un poco de jugueteo. Feliz de ser corregido y espero que esto ayude.
Di que tienes una matriz METRO de 2×3 elementos. Esto tiene dos dimensiones, obviamente.
No pude ver ninguna diferencia entre Matlab y Python mientras pedía manipular la matriz de entrada a lo largo de las dimensiones que la matriz ya tiene. Así, los dos mandamientos
repmat(M,m,n) % matlab
np.tile(M,(m,n)) # python
son realmente equivalentes para una matriz de rango 2 (dos dimensiones).
El asunto se vuelve contrario a la intuición cuando solicita la repetición / mosaico en más dimensiones de las que tiene la matriz de entrada. Volviendo a la matriz M de rango dos y forma 2×3, es suficiente observar lo que sucede con el tamaño / forma de la matriz de salida. Digamos que la secuencia de manipulación ahora es 1,1,2.
En Matlab
> size(repmat(M,1,1,2))
ans =
2 3 2
ha copiado las dos primeras dimensiones (filas y columnas) de la matriz de entrada y lo ha repetido una vez en una nueva tercera dimensión (es decir, copiado dos veces). Fiel al nombre repmat para repetir la matriz.
En Python
>>> np.tile(M,(1,1,2)).shape
(1, 2, 6)
ha aplicado un procedimiento diferente ya que, supongo, la secuencia (1,1,2) se lee de manera diferente que en Matlab. El número de copias en la dirección de las columnas, filas y dimensión fuera del plano se lee de derecha a izquierda. El objeto resultante tiene una forma diferente a la de Matlab. Ya no se puede afirmar que repmat y tile son instrucciones equivalentes.
Para obtener tile comportarse como repmat, en Python uno tiene que asegurarse de que la matriz de entrada tenga tantas dimensiones como elementos estén en la secuencia. Esto se hace, por ejemplo, mediante un pequeño preacondicionamiento y la creación de un objeto relacionado. norte
N = M[:,:,np.newaxis]
Entonces, en el lado de entrada uno tiene N.shape = (2,3,1) en vez de M.shape = (2,3) y en el lado de salida
>>> np.tile(N,(1,1,2)).shape
(2, 3, 2)
cual fue la respuesta de size(repmat(M,1,1,2)). Supongo que esto se debe a que hemos guiado a Python para agregar la tercera dimensión a la derecha de (2,3) en lugar de a su izquierda, de modo que Python resuelve la secuencia (1,1,2) como estaba previsto en Matlab. forma de leerlo.
El elemento en [:,:,0] en la respuesta de Python para norte contendrá los mismos valores que el elemento (:,:,1) la respuesta de Matlab para METRO.
Finalmente, parece que no puedo encontrar un equivalente para repmat cuando se utiliza el producto Kronecker de
>>> np.kron(np.ones((1,1,2)),M).shape
(1, 2, 6)
a menos que yo entonces precondicione METRO dentro norte como anteriormente. Así que yo diría que la forma más general de seguir adelante es utilizar las formas de np.newaxis.
El juego se vuelve más complicado cuando consideramos una matriz. L de rango 3 (tres dimensiones) y el simple caso de que no se agreguen nuevas dimensiones en la matriz de salida. Estas dos instrucciones aparentemente equivalentes no producirán los mismos resultados
repmat(L,p,q,r) % matlab
np.tile(L,(p,q,r)) # python
porque las direcciones de fila, columna y fuera del plano son (p, q, r) en Matlab y (q, r, p) en Python, que no era visible con matrices de rango 2. Allí, hay que tener cuidado y obtener los mismos resultados con los dos idiomas requeriría más preacondicionamiento.
Soy consciente de que es posible que este razonamiento no sea general, pero solo podría resolverlo hasta aquí. Con suerte, esto invita a otros becarios a someterlo a una prueba más dura.