[英]numpy ndarray slicing and iteration
我试图同时切片和遍历多维数组。 我有一个功能正常的解决方案,但它有点丑陋,我敢打赌,有一种精巧的方法可以执行我不知道的迭代和切片。 这是代码:
import numpy as np
x = np.arange(64).reshape(4,4,4)
y = [x[i:i+2,j:j+2,k:k+2] for i in range(0,4,2)
for j in range(0,4,2)
for k in range(0,4,2)]
y = np.array(y)
z = np.array([np.min(u) for u in y]).reshape(y.shape[1:])
您的最后一次重塑无效,因为y
没有定义任何形状。 没有它,您将得到:
>>> x = np.arange(64).reshape(4,4,4)
>>> y = [x[i:i+2,j:j+2,k:k+2] for i in range(0,4,2)
... for j in range(0,4,2)
... for k in range(0,4,2)]
>>> z = np.array([np.min(u) for u in y])
>>> z
array([ 0, 2, 8, 10, 32, 34, 40, 42])
但是尽管如此,您可能想要将数组重塑为6维,这将获得与上述相同的结果:
>>> xx = x.reshape(2, 2, 2, 2, 2, 2)
>>> zz = xx.min(axis=-1).min(axis=-2).min(axis=-3)
>>> zz
array([[[ 0, 2],
[ 8, 10]],
[[32, 34],
[40, 42]]])
>>> zz.ravel()
array([ 0, 2, 8, 10, 32, 34, 40, 42])
很难准确地说出您到底想要什么,但是您可以使用stride_tricks来获得“流畅”的效果。 这很棘手。
import numpy.lib.stride_tricks
# This returns a view with custom strides, x2[i,j,k] matches y[4*i+2*j+k]
x2 = numpy.lib.stride_tricks(
x, shape=(2,2,2,2,2,2),
strides=(numpy.array([32,8,2,16,4,1])*x.dtype.itemsize))
z2 = z2.min(axis=-1).min(axis=-2).min(axis=-3)
不过,我不能说这更具可读性。 (或有效,因为每分钟打一次电话都会产生临时性。)
注意,我的答案与Jaime的答案不同,因为我试图匹配您的y元素。 您可以判断是否将min
替换为max
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.