如何使用步骤对多维 numpy 数组进行子集化？

Question

我有一个多维数组是：

d.shape = (744, 1, 288, 315)

第一个维度是小时——所以我想对这个数组进行子集化，这样我就只能得到白天的小时数，所以从 10-17 小时到每次 24 小时的时间段。

我一直在通过创建一个列表进行子集化：

start = 10
end = 17
d_daily = np.array([d[i*24+start:i*24+end] for i in range(31)])

但它很慢。

我觉得应该有一个快速的方法来做一个子集，比如：

d[start:(len(d)-(24-end)):24] # basically, take these 7 steps over and over until the end of the array

但是，这给了我一个 (31, 1, 288, 315) 的数组，而不是我期望的 (217,1,288,315) 输出。

保持数据的顺序也很重要...

我知道这很简单，但非常感谢您的帮助！

谢谢

Answer 1

这个怎么样，使用模算术：

import numpy as np

arr = np.zeros((744, 1, 288, 315))

start = 10
end = 17

idx = np.arange(744) % 24
bool_arr = np.logical_and(idx >= 10, idx < 17)

d_daily = arr[bool_arr, :, :, :]

我以零数组为例，这将包括从 [10, 17) 开始的小时数（即不包括 17）。

Answer 2

看起来很简单，你可以试试这个吗？

d[10*31:17*31,:,:,:]