[英]Reshaping 2d NumPy array into 3d with recurring rows
我有一个NumPy数组如下:
arr = np.array([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20]])
我希望安排它看起来像这样:
[[[6,7,8,9,10],
[1,2,3,4,5]],
[[11,12,13,14,15],
[6,7,8,9,10]],
[[16,17,18,19,20],
[11,12,13,14,15]]]
所以基本上是一个3D阵列,阵列的每一行都有2x5。 我试过的代码是:
x=np.zeros([3,2,5])
for i in range(len(arr)):
x[i]=arr[i:i+2,:][::-1]
但这导致以下输出:
[[[ 6. 7. 8. 9. 10.]
[ 1. 2. 3. 4. 5.]]
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]]
[[[ 6. 7. 8. 9. 10.]
[ 1. 2. 3. 4. 5.]]
[[11. 12. 13. 14. 15.]
[ 6. 7. 8. 9. 10.]]
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]]
[[[ 6. 7. 8. 9. 10.]
[ 1. 2. 3. 4. 5.]]
[[11. 12. 13. 14. 15.]
[ 6. 7. 8. 9. 10.]]
[[16. 17. 18. 19. 20.]
[11. 12. 13. 14. 15.]]]
您可以使用一些步幅技巧将数组构造为输入数组上的多维滑动窗口:
import numpy as np
arr = np.array([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20]])
# compute the strides and shape of the output array
in_strides = arr.strides
out_strides = in_strides[:1] + in_strides
out_shape = (3, 2) + arr.shape[-1:] # keep the last dimension's size
strided = np.lib.stride_tricks.as_strided(arr, strides=out_strides, shape=out_shape)
out_arr = strided[:, ::-1, :].copy() # use a copy to stay safe
只要out_shape[-1] <= arr.shape[1]
和sum(out_shape[:2]) <= arr.shape[0] + 1
,上述操作就会安全有效。 这些约束使得滑动窗口在原始数组中有意义,并且您的实际用例应该自然地尊重这些。
重要笔记:
如果上面的不等式不成立,那么滑动窗口将很乐意滑出数组的内存范围,你将默默地开始看到垃圾矩阵元素:
>>> out_strides = in_strides[:1] + in_strides ... out_shape = (3, 3, 5) # 3 + 3 == 6 > arr.shape[0] + 1 == 5 ... np.lib.stride_tricks.as_strided(arr, strides=out_strides, shape=out_shape) array([[[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10], [ 11, 12, 13, 14, 15]], [[ 6, 7, 8, 9, 10], [ 11, 12, 13, 14, 15], [ 16, 17, 18, 19, 20]], [[ 11, 12, 13, 14, 15], [ 16, 17, 18, 19, 20], [ 384, 193, 94379169559968, 0, 0]]])
.copy()
调用。 这将为您提供一个与原始数组共享内存的跨步数组,但更重要的是,数组的行将彼此共享内存。 这不是您通常想要的,但如果您的真实数组非常大, 并且您知道可以安全地假设这些值不会被独立地变异,那么内存占用可能很重要。 另一个需要考虑的方面是,在结果上调用.copy()
将为您提供一个连续的内存块,这可能会更好地实现性能,具体取决于您计划对结果数组执行的操作。 我们可以利用基于np.lib.stride_tricks.as_strided
scikit-image's view_as_windows
来获得滑动窗口。 有关使用基于view_as_windows
的as_strided
的更多信息 。
from skimage.util.shape import view_as_windows
x = view_as_windows(arr,(2,arr.shape[1]))[:,0,::-1]
这只是输入数组的视图。 因此,没有额外的内存开销和几乎免费的运行时。 如果你想要一个带有自己内存空间的输出,可以在那里附加.copy()
,即x.copy()
。
样品运行 -
In [15]: from skimage.util.shape import view_as_windows
In [16]: view_as_windows(arr,(2,arr.shape[1]))[:,0,::-1]
Out[16]:
array([[[ 6, 7, 8, 9, 10],
[ 1, 2, 3, 4, 5]],
[[11, 12, 13, 14, 15],
[ 6, 7, 8, 9, 10]],
[[16, 17, 18, 19, 20],
[11, 12, 13, 14, 15]]])
无需使用任何循环。 切片就足够了:
x = np.zeros([3,2,5], dtype=int)
x[:,0] = arr[-3:,:]
x[:,1] = arr[:3,:]
基本上你在所有页面的最后3行的第0行分配arr
,并在所有页第1行至第3行的arr
。
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.