Numpy重新绑定2D阵列
我正在寻找一个快速的公式来对2D numpy数组进行数值分块。通过组合,我的意思是计算子矩阵平均值或累积值。对于ex.x=numpy.arange(16),整形(4,4)将被分成4个子矩阵,每个子矩阵2x2,并给出numpy.array([[2.5,4.5],[10.5,12.5]),其中2.5=numpy.average([0,1,4,5]) 如何以有效的方式执行此类操作。。。我真的不知道该怎么做Numpy重新绑定2D阵列,numpy,binning,Numpy,Binning,我正在寻找一个快速的公式来对2D numpy数组进行数值分块。通过组合,我的意思是计算子矩阵平均值或累积值。对于ex.x=numpy.arange(16),整形(4,4)将被分成4个子矩阵,每个子矩阵2x2,并给出numpy.array([[2.5,4.5],[10.5,12.5]),其中2.5=numpy.average([0,1,4,5]) 如何以有效的方式执行此类操作。。。我真的不知道该怎么做 非常感谢 我假设您只想知道如何构建一个性能良好的函数,并对数组进行处理,就像示例中的numpy.
非常感谢 我假设您只想知道如何构建一个性能良好的函数,并对数组进行处理,就像示例中的
numpy.reformate
。所以,如果性能真的很重要,并且您已经在使用numpy,那么您可以像numpy一样为此编写自己的C代码。例如,的实现完全是用C实现的。几乎所有与numpy有关的性能问题都是用C实现的
但是,在这样做之前,您应该尝试用python实现代码,看看性能是否足够好。请尝试使python代码尽可能高效。如果它仍然不能满足您的性能需求,请选择C
您可以在中了解这一点。您可以使用阵列的高维视图,并沿额外维度取平均值:
In [12]: a = np.arange(36).reshape(6, 6)
In [13]: a
Out[13]:
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, 27, 28, 29],
[30, 31, 32, 33, 34, 35]])
In [14]: a_view = a.reshape(3, 2, 3, 2)
In [15]: a_view.mean(axis=3).mean(axis=1)
Out[15]:
array([[ 3.5, 5.5, 7.5],
[ 15.5, 17.5, 19.5],
[ 27.5, 29.5, 31.5]])
一般来说,如果您希望将形状为(a,b)
的容器用于(行,列)
,则应将其重新整形为。重新整形(行//a,列//b,b)
。还要注意的是,.mean
的顺序很重要,例如a_视图。mean(axis=1)。mean(axis=3)
会产生错误,因为a_视图。mean(axis=1)
只有三个维度,尽管a_视图。mean(axis=1)。mean(axis=2)
可以正常工作,但它更难理解发生了什么
如上所述,仅当您可以在数组中容纳整数个存储箱时,上述代码才有效,即如果a
分割行
和b
分割cols
。有很多方法可以处理其他情况,但您必须定义所需的行为。请参阅,其中提供了以下代码片段:
def rebin(a, *args):
'''rebin ndarray data into a smaller ndarray of the same rank whose dimensions
are factors of the original dimensions. eg. An array with 6 columns and 4 rows
can be reduced to have 6,3,2 or 1 columns and 4,2 or 1 rows.
example usages:
>>> a=rand(6,4); b=rebin(a,3,2)
>>> a=rand(6); b=rebin(a,2)
'''
shape = a.shape
lenShape = len(shape)
factor = asarray(shape)/asarray(args)
evList = ['a.reshape('] + \
['args[%d],factor[%d],'%(i,i) for i in range(lenShape)] + \
[')'] + ['.sum(%d)'%(i+1) for i in range(lenShape)] + \
['/factor[%d]'%i for i in range(lenShape)]
print ''.join(evList)
return eval(''.join(evList))
子矩阵是否保证精确匹配?你们有numpy 1.7吗。可用(这很简单,不是必需的)?我有numpy 1.8dev,但我的工作是在numpy 1.7上更新版本。您可以将其压缩为
.mean(轴=(1,3))
!我不知道这种整形是可能的,太棒了!不幸的是,平均值是按顺序排列的,因此如何获得例如你例子中2,2的子矩阵的平均值(我指的是角点0,1,6,7等)?@user1187727我不认为我理解你的问题,但是[[0,1],[6,7]
的平均值是a_view.mean(axis=3)的项[0,0]
。我认为@user1187727与以下事实相混淆:经过整形的数组(带有整形(3,2,3,2)
)不是2x2子矩阵的数组,尽管结果无论如何是正确的。