在numpy ndarrays切片中跳过行答案

【问题标题】：Skipping rows in numpy ndarrays slicing在numpy ndarrays切片中跳过行
【发布时间】：2018-06-22 14:36:07
【问题描述】：

假设我有一个 numpy 数组 img 和 img.shape == (468,832,3)。 img[::2, ::2] 是做什么的？将形状缩小为(234,416,3) 能否解释一下逻辑？

【问题讨论】：

【解决方案1】：

它从一个数组中分割每个交替的行，然后是每个交替的列，返回一个大小为(n // 2, n // 2, ...)的数组。

这是一个使用 2D 数组进行切片的示例 -

>>> a = np.arange(16).reshape(4, 4)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

>>> a[::2, ::2]
array([[ 0,  2],
       [ 8, 10]])

还有一个 3D 数组的例子 -

>>> a = np.arange(27).reshape(3, 3, 3)
>>> a
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, 25, 26]]])

>>> a[::2, ::2] # same as a[::2, ::2, :]
array([[[ 0,  1,  2],
        [ 6,  7,  8]],

       [[18, 19, 20],
        [24, 25, 26]]])

【讨论】：

你能解释一下[: : 2, : : 2]如何分割3d数组语言（noob语言）的交替行和列吗？
@VaishnavMK 再举一个例子应该会更清楚。这不是你解释的事情，而是理解。您正在指定切片的“轴”。

【解决方案2】：

让我们一起阅读文档(Source). （请先阅读粗体部分）

基本切片语法是i:j:k，其中i是起始索引，j是停止索引，k是步（k \neq 0）。这会选择索引值为 i, i + k, ..., i + (m - 1) k 的 m 个元素（在相应维度中），其中 m = q + (r\neq0) 和 q 和 r 是 j - i 除以 k 得到的商和余数： j - i = qk + r，使得 i + (m - 1) k

...

假设 n 是被切片的维度中的元素数。然后，如果没有给出 i，k > 0 时默认为 0，k 如果 j 没有给出，它默认为 n 代表 k > 0 和 -n-1 代表 k

现在看看你的部分。

[::2, ::2] 将被转换为[0:468:2, 0:832:2]，因为您没有在文档中指定前两个或i 和j。（您只在此处指定k。回想上面的i:j:k 符号。）您以步长2 选择这些轴上的元素，这意味着您沿着指定的轴选择所有其他元素。

因为您没有指定第 3 个维度，所以将全部选中。

【讨论】：

谢谢！最后一行解决了我的问题。我对 3d 数组没有第三个索引感到困惑。
@VaishnavMK 没问题：P
我明白你为什么会有这种感觉。对不起，如果它真的很傻。但是我昨天基本上开始使用 numpy 和 3d 数组切片，并且完全迷失在高级切片与基本切片的对比中，所以我还没有真正开始玩，只是通过在这里提问来探索基本概念。

【解决方案3】：

嗯，我们将 RGB 图像作为 3D 形状数组：

img.shape=(468,832,3)

现在，img[::2, ::2] 做了什么？

我们只是对图像进行下采样（即，我们通过仅从原始图像中每隔一个像素来将图像大小缩小一半，我们通过以下方式做到这一点使用2的步长，这意味着跳过一个像素）。从下面的示例中应该可以清楚地看到这一点。

让我们拍一张简单的灰度图像以便于理解。

In [13]: arr
Out[13]: 
array([[10, 11, 12, 13, 14, 15],
       [20, 21, 22, 23, 24, 25],
       [30, 31, 32, 33, 34, 35],
       [40, 41, 42, 43, 44, 45],
       [50, 51, 52, 53, 54, 55],
       [60, 61, 62, 63, 64, 65]])

In [14]: arr.shape
Out[14]: (6, 6)

In [15]: arr[::2, ::2]
Out[15]: 
array([[10, 12, 14],
       [30, 32, 34],
       [50, 52, 54]])

In [16]: arr[::2, ::2].shape
Out[16]: (3, 3)

注意哪些像素在切片版本中。另外，观察数组shape在切片后如何变化（即减半）。

现在，图像中的所有三个通道都会进行这种下采样，因为在第三轴上没有发生切片。因此，您将仅在示例中的前两个轴上缩小形状。

(468, 832, 3)
  .    .   |
  .    .   |
(234, 416, 3)

【讨论】：