最近在機器學習實戰中學習knn分類演算法的過程中用到了tile函式，在此記錄下來此函式的用法。

其中A和reps都是array_like的引數，A可以是：array,list,tuple,dict,matrix以及基本資料型別int,string,float以及bool型別,reps的型別可以是tuple,list,dict,array,int,bool,但不可以是float,string,matrix型別。

 計較常用的形式有兩種，是將A簡單進行一維重複輸出，和將A進行二維重複後輸出。

A為一維陣列

>>> import numpy
>>> numpy.tile([0,0],5)#在列方向上重複[0,0]5次，預設行1次    一維
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> numpy.tile([0,0],(1,1))#在列方向上重複[0,0]1次，行1次    二維
array([[0, 0]])
>>> numpy.tile([0,0],(2,1))#在列方向上重複[0,0]1次，行2次    二維
array([[0, 0],
       [0, 0]])
>>> numpy.tile([0,0],(1,3))#在列方向上重複[0,0]3次，行1次    二維
array([[0, 0, 0, 0, 0, 0]])
>>> numpy.tile([0,0],(2,3))#在列方向上重複[0,0]3次，行2次    二維
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])
 

>>> numpy.tile([[1,2,3],[4,5,5]],3)                      #一維
array([[1, 2, 3, 1, 2, 3, 1, 2, 3],
       [4, 5, 5, 4, 5, 5, 4, 5, 5]])
>>> numpy.tile([[1,2,3],[4,5,5]],[2,3])                  #二維
array([[1, 2, 3, 1, 2, 3, 1, 2, 3],
       [4, 5, 5, 4, 5, 5, 4, 5, 5],
       [1, 2, 3, 1, 2, 3, 1, 2, 3],
       [4, 5, 5, 4, 5, 5, 4, 5, 5]])