Numpy 子数组和相对索引

Question

我一直在搜索是否有使用相对索引创建子数组的标准方法。考虑以下数组：

>>> m = np.arange(25).reshape([5, 5])
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24]])

我想访问特定数组位置的 3x3 矩阵，例如 [2,2]：

>>> x = 2, y = 2
>>> m[slice(x-1,x+2), slice(y-1,y+2)]
array([[ 6,  7,  8],
       [11, 12, 13],
       [16, 17, 18]])

例如上面的一些东西，比如m.subarray(pos=[2,2], shape=[3,3]) 我想在可能会改变的特定位置上对 n 维的 ndarray 进行采样。

我不想使用循环，因为它可能是无效的。 Scipy 函数correlate 和convolve 非常有效地执行此操作，但适用于所有职位。我只对其中一个样本感兴趣。

最好的答案可以解决边缘问题，在我的例子中，我希望有 wrap 模式： (a b c d | a b c d | a b c d)

------------------编辑----------------------------

根据@Carlos Horn 的回答，我可以创建以下函数。

def cell_neighbours(array, index, shape):  
    pads = [(floor(dim/2), ceil(dim / 2)) for dim in shape]
    array = np.pad(self.configuration, pads, "wrap")
    views = np.lib.stride_tricks.sliding_window_view
    return views(array, shape)[tuple(index)]

最后一个问题可能是关于速度，来自docs：For many applications using a sliding window view can be convenient, but potentially very slow. Often specialized solutions exist。

从这里可能更容易获得更快的解决方案。

Answer 1

您可以将 3x3 矩阵的视图构建到数组中，如下所示：

import numpy as np
m = np.arange(25).reshape(5,5)
m3x3view = np.lib.stride_tricks.sliding_window_view(m, (3,3))

请注意，它会略微改变您在一半窗口大小上的索引，这意味着

x_view = x - 3//2
y_view = y - 3//2
print(m3x3view[x_view,y_view])  # gives your result

如果复制操作没问题，您可以使用：

mpad = np.pad(m, 1, mode="wrap")
mpad3x3view = np.lib.stride_tricks.sliding_window_view(mpad, (3,3))
print(mpad3x3view[x % 5,y % 5])

使用任意 x, y 整数值。