【发布时间】：2018-08-01 18:13:29
【问题描述】：
如果我有一个numpy.ndarray，即大小为 300 点（目前为 1 x 300），并且我想每 30 点选择 10 个点，我该怎么做？
换句话说：我想要前 10 个点，然后跳过 20 个，然后再抓取 10 个，然后再跳过 10 个......直到数组结束。
【问题讨论】：
【发布时间】：2018-08-01 18:13:29
【问题描述】：
要从30 元素的每个块中选择10 元素，我们可以简单地重塑为2D 并从每行中切出第一列10 -
a.reshape(-1,30)[:,:10]
好处是输出将是输入的视图，因此几乎是免费的，没有任何额外的内存开销。让我们运行一个示例来展示和证明这些 -
In [43]: np.random.seed(0)
In [44]: a = np.random.randint(0,9,(1,300))
In [48]: np.shares_memory(a,a.reshape(10,30)[0,:,:10])
Out[48]: True
如果您需要扁平化版本，请使用.ravel() -
a.reshape(-1,30)[:,:10].ravel()
时间安排 -
In [38]: a = np.random.randint(0,9,(300))
# @sacul's soln
In [39]: %%timeit
...: msk = [True] * 10 + [False] * 20
...: out = a[np.tile(msk, len(a)//len(msk))]
100000 loops, best of 3: 7.6 µs per loop
# From this post
In [40]: %timeit a.reshape(-1,30)[:,:10].ravel()
1000000 loops, best of 3: 1.07 µs per loop
In [41]: a = np.random.randint(0,9,(3000000))
# @sacul's soln
In [42]: %%timeit
...: msk = [True] * 10 + [False] * 20
...: out = a[np.tile(msk, len(a)//len(msk))]
100 loops, best of 3: 3.66 ms per loop
# From this post
In [43]: %timeit a.reshape(-1,30)[:,:10].ravel()
100 loops, best of 3: 2.32 ms per loop
# If you are okay with `2D` output, it is virtually free
In [44]: %timeit a.reshape(-1,30)[:,:10]
1000000 loops, best of 3: 519 ns per loop
1D 数组的一般情况
A.元素数是块长度的倍数
对于 1D 数组 a 的元素数量是 n 的倍数，从 n 元素的每个块中选择 m 元素并获得 1D 数组输出，我们将有：
a.reshape(-1,n)[:,:m].ravel()
请注意，ravel() 展平部分会在此处复制。因此，如果可能，请保留未扁平化的 2D 版本以提高内存效率。
示例运行 -
In [59]: m,n = 2,5
In [60]: N = 25
In [61]: a = np.random.randint(0,9,(N))
In [62]: a
Out[62]:
array([5, 0, 3, 3, 7, 3, 5, 2, 4, 7, 6, 8, 8, 1, 6, 7, 7, 8, 1, 5, 8, 4,
3, 0, 3])
# Select 2 elements off each block of 5 elements
In [63]: a.reshape(-1,n)[:,:m].ravel()
Out[63]: array([5, 0, 3, 5, 6, 8, 7, 7, 8, 4])
B.通用编号元素数
我们将利用np.lib.stride_tricks.as_strided，受this post 的启发，从n 元素的每个块中选择m 元素-
def skipped_view(a, m, n):
s = a.strides[0]
strided = np.lib.stride_tricks.as_strided
shp = ((a.size+n-1)//n,n)
return strided(a,shape=shp,strides=(n*s,s), writeable=False)[:,:m]
def slice_m_everyn(a, m, n):
a_slice2D = skipped_view(a,m,n)
extra = min(m,len(a)-n*(len(a)//n))
L = m*(len(a)//n) + extra
return a_slice2D.ravel()[:L]
请注意，skipped_view 可以让我们查看输入数组，并可能查看未分配给输入数组的内存区域，但之后我们会进行展平和切片以将其限制为所需的输出，这就是副本。
示例运行 -
In [170]: np.random.seed(0)
...: a = np.random.randint(0,9,(16))
In [171]: a
Out[171]: array([5, 0, 3, 3, 7, 3, 5, 2, 4, 7, 6, 8, 8, 1, 6, 7])
# Select 2 elements off each block of 5 elements
In [172]: slice_m_everyn(a, m=2, n=5)
Out[172]: array([5, 0, 3, 5, 6, 8, 7])
In [173]: np.random.seed(0)
...: a = np.random.randint(0,9,(19))
In [174]: a
Out[174]: array([5, 0, 3, 3, 7, 3, 5, 2, 4, 7, 6, 8, 8, 1, 6, 7, 7, 8, 1])
# Select 2 elements off each block of 5 elements
In [175]: slice_m_everyn(a, m=2, n=5)
Out[175]: array([5, 0, 3, 5, 6, 8, 7, 7])
【讨论】：
您可以创建一个掩码并通过掩码创建索引，重复直到达到数组的长度：
msk = [True] * 10 + [False] * 20
arr[np.tile(msk, len(arr)//len(msk))]
小例子：
在一个包含 30 个值的数组中，选择 1 个元素，然后跳过 2 个元素：
>>> arr
array([6, 7, 2, 7, 1, 9, 1, 4, 4, 8, 6, 5, 2, 6, 3, 6, 8, 5, 6, 7, 2, 1, 9,
6, 7, 2, 1, 8, 2, 2])
msk = [True] * 1 + [False] * 2
>>> arr[np.tile(msk, len(arr)//len(msk))]
array([6, 7, 1, 8, 2, 6, 6, 1, 7, 8])
解释：
msk 是一个布尔掩码
>>> msk
[True, False, False]
然后您可以使用 np.tile 重复该掩码，直到它与原始数组的长度相同（即数组的长度除以掩码的长度）：
>>> np.tile(msk, len(arr)//len(msk))
array([ True, False, False, True, False, False, True, False, False,
True, False, False, True, False, False, True, False, False,
True, False, False, True, False, False, True, False, False,
True, False, False], dtype=bool)
然后，通过布尔值进行索引是一件简单的事情，numpy 擅长
【讨论】：
IIUC
get = 10
skip = 20
k = [item for z in [np.arange(get) + idx for idx in np.arange(0, x.size, skip+get)] for item in z]
然后切片
x[k]
例子：
x = np.arange(100)
x[k]
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 30, 31, 32, 33, 34, 35, 36,
37, 38, 39, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 90, 91, 92, 93,
94, 95, 96, 97, 98, 99])
【讨论】：