np.repeat用于元素级重复，需指定axis控制维度变化：不设axis则展平后重复；设axis=0按行重复，axis=1按列重复；repeats可为标量或数组实现不等量重复。
repeat函数怎么用：按轴重复元素，注意维度变化
repeat 是对数组元素级重复，不是复制整个数组。它默认展平后重复，但可通过 axis 参数控制在指定轴上重复。
常见错误是以为 repeat(2) 会让二维数组变“两倍大”，结果发现形状变了却没得到想要的块状叠加：
比如 a = np.array([[1, 2], [3, 4]])，执行 a.repeat(2) 得到 [1, 1, 2, 2, 3, 3, 4, 4]（一维），不是你想要的 2×4 或 4×2 数组。
正确做法是明确指定 axis：
-
a.repeat(2, axis=0)→ 每行重复一次，结果为 4×2 数组：[[1,2], [1,2], [3,4], [3,4]] -
a.repeat(3, axis=1)→ 每列重复两次（共三次），结果为 2×6 数组：[[1,1,1,2,2,2], [3,3,3,4,4,4]]
注意：repeat 的 repeats 参数可以是标量（如 2）或与对应轴长度等长的数组（如 [1, 3]），实现不等量重复——这点常被忽略，但很实用。
tile函数怎么用：整块复制，保持结构清晰
tile 是“铺砖式”重复，把整个数组当一个单元来复制。它的参数 reps 决定各轴方向复制几遍，且自动广播适配维度。
典型误用是把 reps 写成标量：比如 np.tile(a, 2) 对二维数组 a 实际等价于 np.tile(a, (1, 2))，只在最后一维铺开——容易误解为“整体复制两份”。
正确写法要匹配维度数：
-
np.tile(a, (2, 1))→ 行方向复制 1 次（共 2 份），列不变 → 4×2 数组 -
np.tile(a, (2, 3))→ 行方向 2 份、列方向 3 份 → 4×6 数组 -
np.tile(a, (1, 1, 2))对二维数组会先升维再铺，结果是 3D：shape(1, 2, 4)（因为自动补前导 1）
性能上，tile 底层复用内存视图较多，小数组快；但若 reps 极大，生成的数组可能远超原尺寸，内存暴涨比 repeat 更明显。
repeat vs tile：选错函数会导致形状错乱
二者语义完全不同：repeat 是“拉伸元素”，tile 是“复制模块”。混淆它们最常导致的错误是：
- 想拼接多个相同图像块（如 patch 集成），用了
repeat→ 得到的是每个像素重复，图像糊成一片 - 想沿某轴扩展特征向量（如把 [x,y] 变成 [x,x,y,y]），用了
tile→ 整体复制，变成 [[x,y],[x,y]]，形状不对
判断依据很简单：
- 要“拆开原子再重排”，用
repeat； - 要“拿整个数组去粘贴”，用
tile。
还有一个隐藏差异：repeat 支持传入数组作为 repeats（如 a.repeat([2,1], axis=0)），而 tile 的 reps 必须是整数序列，不能动态不等量。
实际叠加场景中容易漏掉 reshape 或 astype
真实项目里，叠加后常需配合其他操作。比如用 repeat 做数据增强时，重复标签向量后忘了和特征对齐：
假设 X 是 (1000, 784) 图像数据，y 是 (1000,) 标签。执行 y.repeat(3) 得到 (3000,)，但若 X.repeat(3, axis=0) 出错——因为 repeat 默认展平，必须写 X.repeat(3, axis=0) 才对。
更隐蔽的问题是类型：
-
repeat保持原 dtype，但若原数组是int8，重复后求和可能溢出； -
tile同样不转类型，批量复制 float32 图像时若后续做归一化，得确认是否需提前转float64防精度丢失。
还有人直接对 np.ndarray 调 .repeat() 方法，却忘了它不支持 axis 关键字参数（仅函数接口支持），报错 TypeError: repeat() got an unexpected keyword argument 'axis'——这是方法与函数接口的差异，必须用 np.repeat(arr, ..., axis=...)。
重复叠加看着简单，真正卡住人的往往不是语法，而是维度预期和内存布局的理解偏差。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
