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

---

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。