如何访问形状在所有维度上都减小的任意等级的numpy ndarray

Question

我想通过将每个维度中其形状的上限减一来减小任意等级的 numpy ndarray 的大小。数组值应该不相对于它们的原始索引移动。

所以，

    [N] becomes [N-1]
  [N,M] becomes [N-1, M-1]
[N,M,P] becomes [N-1, M-1, P-1], etc.

这应该由事先不知道数组排名的函数来处理。

import numpy as np

def truncator( array ):
   # flailing
   return truncated_array


>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> truncator(a)
array([[0, 1],
       [3, 4]])

我曾考虑过reshape 和resize，但没有成功。提前知道数组排名我知道如何使用像truncated_array = array[:-1,:-1] 这样的视图，但我不知道如何使该概念适用于任意排名。有没有固定宽度的Elipses、...？这可能会有所帮助。

Answer 1

def truncator(array):
  new_shape = [d-1 for d in array.shape]
  return np.resize(array, new_shape)

希望这行得通。

编辑：你没有指定如何截断数组：如果你只想要一堆:-1s，比如a[:-1,:-1:,-1]：

def another_truncator(array):
  slicers = [slice(-1) for d in array.shape]
  return array[slicers]


>>> a
array([[0, 1, 2],
       [1, 2, 3],
       [2, 3, 4]])
>>> another_truncator(a)
array([[0, 1],
       [1, 2]])

它的作用：

您可以通过col[start:end:step] 对集合进行“切片”。事实上，col[start:end:step] 中使用的切片运算符 ([::]) 可以表示为 slice 对象 (slice(start, end, step))，您可以使用该对象“切片”集合，就像使用整数索引一样。

要截断一个（可能是嵌套的）数组，您必须选择除最后一项之外的所有项目 - 这是[:-1] - 因此是slice(-1)，并且您必须进行 n 次选择，n 是数组。

def another_truncator(array):
  slicers = [slice(-1) for d in array.shape] #create n slicers
  return array[slicers] #slice and return