Python：以分数缩小/扩展二维数组

Question

有2D arrays的数字作为1x1, 3x3, 5x5, ...形形式的一些数值过程的输出，对应不同的分辨率。

在一个阶段中，需要生成形状为nxn 的平均值，即二维数组值。 如果输出的形状一致，即在11x11 中说全部，则解决方案很明显，所以：

element_wise_mean_of_all_arrays。

对于这篇文章的问题，但是数组的形状不同，所以明显的方法不起作用！

我认为使用kron function 可能会有所帮助，但事实并非如此。例如，如果数组的形状为17x17，如何使其成为21x21。所以对于来自1x1、3x3、...的所有其他人，要构建一个恒定形状的数组，比如21x21。 与目标形状相比，阵列的形状也可能越来越小。那是 31x31 的数组，要转换成 21x21。

你可以把这个问题想象成一个非常常见的图像任务，被缩小或扩展。

在 Python 中，使用 numpy、scipy 等在 2D 数组上执行相同工作的有效方法有哪些？

更新： 这是下面接受的答案的一些优化版本：

def resize(X,shape=None):
    if shape==None:
        return X
    m,n = shape
    Y = np.zeros((m,n),dtype=type(X[0,0]))
    k = len(X)
    p,q = k/m,k/n
    for i in xrange(m):
        Y[i,:] = X[i*p,np.int_(np.arange(n)*q)]
    return Y

效果很好，但是就效率而言，您是否都同意它是最佳选择？如果没有改善？

# Expanding ---------------------------------

>>> X = np.array([[1,2,3],[4,5,6],[7,8,9]])
[[1 2 3]
 [4 5 6]
 [7 8 9]]

>>> resize(X,[7,11])
[[1 1 1 1 2 2 2 2 3 3 3]
 [1 1 1 1 2 2 2 2 3 3 3]
 [1 1 1 1 2 2 2 2 3 3 3]
 [4 4 4 4 5 5 5 5 6 6 6]
 [4 4 4 4 5 5 5 5 6 6 6]
 [7 7 7 7 8 8 8 8 9 9 9]
 [7 7 7 7 8 8 8 8 9 9 9]]

# Shrinking ---------------------------------

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

>>> resize(X,(2,2))
[[ 1  3]
 [ 9 11]]

最后说明：上面的代码可以很容易地转换为Fortran，以获得尽可能高的性能。

Answer 1

我不确定我是否完全理解您的尝试，但如果我认为最简单的方法是：

wanted_size = 21
a = numpy.array([[1,2,3],[4,5,6],[7,8,9]])
b = numpy.zeros((wanted_size, wanted_size))

for i in range(wanted_size):
    for j in range(wanted_size):
        idx1 = i * len(a) / wanted_size
        idx2 = j * len(a) / wanted_size
        b[i][j] = a[idx1][idx2]

您可以将 b[i][j] = a[idx1][idx2] 替换为一些自定义函数，例如以 a[idx1][idx2] 为中心的 3x3 矩阵的平均值或一些插值函数。