使用重复行将2d NumPy数组重新整形为3d

Question

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.]]]

Answer 1

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]]]) 

• 如果之后你不会改变你的数组，那么你可以在上面省略最后的.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。

Answer 2

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]]])

Answer 3

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 。