定期切片 2D numpy 数组答案

【问题标题】：Slicing 2D numpy array periodically定期切片 2D numpy 数组
【发布时间】：2021-12-21 08:53:06
【问题描述】：

我有一个 300x300 的 numpy 数组，我想在其中定期保留所有元素。具体来说，对于两个轴，我想保留前 5 个元素，然后丢弃 15、保留 5、丢弃 15 等。这将产生一个 75x75 元素的数组。如何做到这一点？

【问题讨论】：

【解决方案1】：

另一个使用网格和模数的选项：

# MyArray = 300x300 numpy array
r      = np.r_[0:300]              # A slide from 0->300
xv, yv = np.meshgrid(r, r)         # x and y grid
mask   = ((xv%20)<5) & ((yv%20)<5) # We create the boolean mask
result = MyArray[mask].reshape((75,75)) # We apply the mask and reshape the final output

【讨论】：

【解决方案2】：

这是我第一个想到的解决方案。如果我想到行数较少的，稍后会更新。即使输入不是正方形，这也应该有效：

output = []
for i in range(len(arr)):
    tmp = []
    if i % (15+5) < 5:         # keep first 5, then discard next 15
        for j in range(len(arr[i])):
            if j % (15+5) < 5: # keep first 5, then discard next 15
                tmp.append(arr[i,j])
        output.append(tmp)

更新：

以杨的回答为基础，这是使用np.tile 的另一种方式，它沿每个轴重复一个数组给定的次数。这依赖于输入数组的维度是正方形。

import numpy as np

# Define one instance of the keep/discard box
keep, discard = 5, 15
mask = np.concatenate([np.ones(keep), np.zeros(discard)])
mask_2d = mask.reshape((keep+discard,1)) * mask.reshape((1,keep+discard))

# Tile it out -- overshoot, then trim to match size
count = len(arr)//len(mask_2d) + 1
tiled = np.tile(mask_2d, [count,count]).astype('bool')
tiled = tiled[:len(arr), :len(arr)]

# Apply the mask to the input array
dim = sum(tiled[0])
output = arr[tiled].reshape((dim,dim))

【讨论】：

【解决方案3】：

您可以将数组视为一系列 20x20 块，您希望保留其中左上角 5x5 的部分。假设你有

keep = 5
discard = 15

这仅在以下情况下有效

assert all(s % (keep + discard) == 0 for s in arr.shape)

首先计算视图的形状并使用它：

block = keep + discard
shape1 = (arr.shape[0] // block, block, arr.shape[1] // block, block)
view = arr.reshape(shape1)[:, :keep, :, :keep]

以下操作将创建数据的副本，因为视图创建了一个不连续的缓冲区：

shape2 = (shape1[0] * keep, shape1[2] * keep)
result = view.reshape(shape2)

您可以使用更通用的方式计算 shape1 和 shape2，例如

shape1 = tuple(
    np.stack((np.array(arr.shape) // block,
              np.full(arr.ndim, block)), -1).ravel())
shape2 = tuple(np.array(shape1[::2]) * keep)

我建议将其打包成一个函数。

【讨论】：

【解决方案4】：

您可以创建一个执行保留/丢弃功能的一维蒙版，然后重复蒙版并将蒙版应用于数组。这是一个例子。

import numpy as np

size = 300
array = np.arange(size).reshape((size, 1)) * np.arange(size).reshape((1, size))

mask = np.concatenate((np.ones(5), np.zeros(15))).astype(bool)
period = len(mask)

mask = np.repeat(mask.reshape((1, period)), repeats=size // period, axis=0)
mask = np.concatenate(mask, axis=0)

result = array[mask][:, mask]

print(result.shape)

【讨论】：