虽然@chrslg的stride_tricks解决方案可能很快，但它不容易阅读。相反，我建议使用numpy np.repeat函数，它可以清楚地说明您正在做什么。也就是说，您不能直接使用它来获得想要的结果，您首先需要添加另一个维度来拆分行。由于这种分割，它应该应用于axis=1而不是0。最后的结果需要进行转置以匹配您要查找的内容。

import numpy as np

arr = np.array([[1,2,3], [4,5,6]])
res = np.repeat(arr[:, None, :], 2, axis=1).T
print(res)

输出：

[[[1 4]
  [1 4]]

 [[2 5]
  [2 5]]

 [[3 6]
  [3 6]]]

一种方法

(s0,s1)=arr.strides
np.lib.stride_tricks.as_strided(arr, shape=(3, 2, 2), strides=(s1,0,s0))

请注意，它基本上是免费的：它什么也不做，并返回相同的arr。只是，步长的改变使得迭代沿着arr轴1进行，用于新阵列轴0;只对轴1重复;并且对于新的阵列轴2沿着arr轴0。
适用于所有尺寸的2D arr和所有重复

def myrepeat(arr, n):
   (sh0,sh1)=arr.shape
   (st0,st1)=arr.strides
   return np.lib.stride_tricks.as_strided(arr, shape=(sh1,n,sh0), strides=(st1,0,st0))

# Example
arr=np.arange(20).reshape(4,5)
myrepeat(arr,3)

返回

array([[[ 0,  5, 10, 15],
        [ 0,  5, 10, 15],
        [ 0,  5, 10, 15]],

       [[ 1,  6, 11, 16],
        [ 1,  6, 11, 16],
        [ 1,  6, 11, 16]],

       [[ 2,  7, 12, 17],
        [ 2,  7, 12, 17],
        [ 2,  7, 12, 17]],

       [[ 3,  8, 13, 18],
        [ 3,  8, 13, 18],
        [ 3,  8, 13, 18]],

       [[ 4,  9, 14, 19],
        [ 4,  9, 14, 19],
        [ 4,  9, 14, 19]]])