Numpy - 将行组索引到高维数组中答案

【问题标题】：Numpy - index groups of rows into higher dimensional arrayNumpy - 将行组索引到高维数组中
【发布时间】：2021-06-28 19:43:06
【问题描述】：

我有一个 2D 数组，我想将其转换为 3D 数组，其中新数组的每一行都包含原始 2D 数组的多行。

此代码复制了功能（输出数组的每一行包含 3 行输入数组）但我只是想知道正确的方法是什么，我认为更正确的索引方法会更快大型数据集。

input = np.arange(100) + np.arange(100)[:,None]
output = np.apply_along_axis(lambda x: input[x[0]:x[0]+3], 1, np.arange(100-2)[:,None])

input 数组如下所示：

array([[  0,   1,   2, ...,  97,  98,  99],
       [  1,   2,   3, ...,  98,  99, 100],
       [  2,   3,   4, ...,  99, 100, 101],
       ...,
       [ 97,  98,  99, ..., 194, 195, 196],
       [ 98,  99, 100, ..., 195, 196, 197],
       [ 99, 100, 101, ..., 196, 197, 198]])

output 数组看起来像这样：

array([[[  0,   1,   2, ...,  97,  98,  99],
        [  1,   2,   3, ...,  98,  99, 100],
        [  2,   3,   4, ...,  99, 100, 101]],

       [[  1,   2,   3, ...,  98,  99, 100],
        [  2,   3,   4, ...,  99, 100, 101],
        [  3,   4,   5, ..., 100, 101, 102]],

       [[  2,   3,   4, ...,  99, 100, 101],
        [  3,   4,   5, ..., 100, 101, 102],
        [  4,   5,   6, ..., 101, 102, 103]],

       ...,

       [[ 95,  96,  97, ..., 192, 193, 194],
        [ 96,  97,  98, ..., 193, 194, 195],
        [ 97,  98,  99, ..., 194, 195, 196]],

       [[ 96,  97,  98, ..., 193, 194, 195],
        [ 97,  98,  99, ..., 194, 195, 196],
        [ 98,  99, 100, ..., 195, 196, 197]],

       [[ 97,  98,  99, ..., 194, 195, 196],
        [ 98,  99, 100, ..., 195, 196, 197],
        [ 99, 100, 101, ..., 196, 197, 198]]])

【问题讨论】：

input 是np.arange(100) + np.arange(100)[:, None]，对吧？输出形状为(98, 3, 100)?
哇，这样更干净（我的 numpy 生锈了，所以我更新了问题）。但是，是的，你是对的。

标签： python numpy indexing

【解决方案1】：

首先，您可以初始化input，就像您使用简单的广播一样：

ainput = np.arange(100) + np.arange(100)[:, None]

您永远不必转置对称数组，或命名影响内置函数的变量。

您可以使用np.lib.stride_tricks.as_strided 获得不带循环的输出（这是np.apply_along_axis 在后台所做的）：

n = 3
aoutput = np.lib.stride_tricks.as_strided(ainput, shape=(ainput.shape[0] - n + 1, n, ainput.shape[1]), strides=(ainput.strides[0], *ainput.strides))

这基本上是将ainput 视为所需形状的数组，新维度在原始数组中的步幅为一行。这意味着不同层的内存重叠，如果你决定写入这个数组，你可能会同时看到三个地方的变化。

从 numpy 版本 1.20 开始，有一个瘦包装器可以做同样的事情：np.lib.stride_tricks.sliding_window_view。它允许您根据窗口大小和轴工作，而无需手动计算形状和步幅：

aoutput = np.lib.stride_tricks.sliding_window_view(ainput, (3, 100), axis=(0, 1))

【讨论】：

所以我不想跳行。 aoutput 第二行有ainput 的第 3-5 行，但我想要第二行的第 1-4 行。我不确定上面的strides 的形状是什么。
@SuperCodeBrah。更新。步幅是给定维度中元素之间的字节数
美丽。积分奖励
@SuperCodeBrah。我很喜欢积分。我更新了一个更易于使用的替代方案