Python 2.7 Numpy-考虑偏移量拆分矩阵_Python 2.7_Numpy

Python 2.7 Numpy-考虑偏移量拆分矩阵

python-2.7 numpy

Python 2.7 Numpy-考虑偏移量拆分矩阵,python-2.7,numpy,Python 2.7,Numpy,给定一个m x n矩阵，我想把它分解成任意偏移量的平方a x a（a=3或a=4）矩阵（最小偏移量=1，最大偏移量=块大小），就像Mathematica的函数那样：例如，给定一个4x4矩阵alike 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 如果我给3 x 3块，偏移量=1，我想得到4个矩阵： 1 2 3 5 6 7 9 10 11 2 3 4 6 7 8 10 11 12 5 6 7 9 10 11 1

给定一个

m x n

矩阵，我想把它分解成任意偏移量的平方

a x a

（a=3或a=4）矩阵（最小偏移量=1，最大偏移量=块大小），就像Mathematica的函数那样：

例如，给定一个4x4矩阵

1  2  3  4 
5  6  7  8
9  10 11 12
13 14 15 16

如果我给3 x 3块，偏移量=1，我想得到4个矩阵：

如果矩阵

是

A=np.arange（1,37）。重塑（（6,6））

并且我使用偏移量为3的3 x 3块，我希望作为块的输出：

我同意矩阵A是一个列表列表，我认为我不需要NumPy的功能。我很惊讶，

array\u split

和

numpy.split

都没有提供这种现成的偏移选项，用纯Python进行切片编码是更简单的方法还是我应该研究numpy的进步？我希望代码高度易读。

正如您所提示的，有一种方法可以使用

步幅来实现这一点
In [900]: M = np.lib.stride_tricks.as_strided(A, shape=(2,2,3,3), strides=(16,4,16,4))
In [901]: M
Out[901]: 
array([[[[ 1,  2,  3],
         [ 5,  6,  7],
         [ 9, 10, 11]],

        [[ 2,  3,  4],
         [ 6,  7,  8],
         [10, 11, 12]]],


       [[[ 5,  6,  7],
         [ 9, 10, 11],
         [13, 14, 15]],

        [[ 6,  7,  8],
         [10, 11, 12],
         [14, 15, 16]]]])
In [902]: M.reshape(4,3,3)  # to get it in form you list
Out[902]: 
array([[[ 1,  2,  3],
        [ 5,  6,  7],
        [ 9, 10, 11]],

       [[ 2,  3,  4],
        [ 6,  7,  8],
        [10, 11, 12]],

       [[ 5,  6,  7],
        [ 9, 10, 11],
        [13, 14, 15]],

       [[ 6,  7,  8],
        [10, 11, 12],
        [14, 15, 16]]])

步幅的一个问题是它很先进，而且很难向没有多少numpy经验的人解释。我没有经过太多的尝试和错误就找到了表格，但我在这里呆的时间太长了
但这种迭代解决方案更容易解释：
In [909]: alist=[]
In [910]: for i in range(2):
     ...:     for j in range(2):
     ...:         alist.append(A[np.ix_(range(i,i+3),range(j,j+3))])
     ...:         
In [911]: alist
Out[911]: 
[array([[ 1,  2,  3],
        [ 5,  6,  7],
        [ 9, 10, 11]]), 
 array([[ 2,  3,  4],
        [ 6,  7,  8],
        [10, 11, 12]]), 
 array([[ 5,  6,  7],
        [ 9, 10, 11],
        [13, 14, 15]]), 
 array([[ 6,  7,  8],
        [10, 11, 12],
        [14, 15, 16]])]

可以使用np.array（alist）
将其转换为数组。如果它更清晰的话，使用它没有什么错
关于跨越式的方法，需要记住的一点是，它是一个视图，对M
的更改可能会更改a
，对M
中一个位置的更改可能会修改M
中的多个位置。但是，重塑M
可能会把它变成一个副本。因此，总的来说，从M
中读取值，并将其用于计算sum
和mean
。就地更改可能是不可预测的
迭代解决方案会在四周生成副本
使用np.ogrid
代替np.ix
的迭代解（否则与此相同）：
ix
和ogrid
都是构建块索引向量对的简单方法：
In [970]: np.ogrid[0:3, 0:3]
Out[970]: 
[array([[0],
        [1],
        [2]]), array([[0, 1, 2]])]

同样的事情，但是对于slice
对象：
np.array([A[slice(i,i+3), slice(j,j+3)] for i in range(2) for j in range(2)])

这个列表版本的视图
行为与as________
解决方案类似（列表的元素是视图）
对于具有非重叠块的6x6，请尝试：
In [1016]: np.array([A[slice(i,i+3), slice(j,j+3)] for i in range(0,6,3) for j i
      ...: n range(0,6,3)])
Out[1016]: 
array([[[ 1,  2,  3],
        [ 7,  8,  9],
        [13, 14, 15]],

       [[ 4,  5,  6],
        [10, 11, 12],
        [16, 17, 18]],

       [[19, 20, 21],
        [25, 26, 27],
        [31, 32, 33]],

       [[22, 23, 24],
        [28, 29, 30],
        [34, 35, 36]]])

假设您想要连续的块，内部切片/范围不会改变，只是外部i
和j

In [1017]: np.arange(0,6,3)
Out[1017]: array([0, 3])

类似的问题可以用滚动或滑动窗口来表达。有些人甚至可能会找到一个好的副本。@hpauji谢谢，我喜欢np.ix_uu
版本，我认为它足够简单，但在指定偏移量时，我无法让它在另一个矩阵上工作，例如，这个import numpy as np a=np.arange（1,37）。重塑（（6,6））打印列表=[]blockSize=3 offset=3对于范围内的i（0，blockSize-1，offset）：对于范围内的j（0，blockSize-1，offset）：alist.append（A[np.ix(范围（i，i+blockSize，offset），范围（j，j+blockSize，offset）））np.array（alist）
在偏移量为3和1时都失败，我怎样才能解决这个问题呢？我必须把那个评论交给编辑，然后换行阅读。此偏移量的目的是什么？在范围中
第三个值是步长
。它是块之间的偏移量，就像滑动窗口步幅一样。在A=np.arange（1,37）.重塑（（6,6））
中，3 x 3块的偏移量为3将只给出从np.split（A,3）
中获得的4个块。我扩展了问题以进行说明。我添加了我的一个解决方案的6x6版本。它只是改变了外部的范围
表达式。谢谢，但是6x6解决方案只是一个例子，解释了我想要一个通用的块分离函数，其函数为mxn矩阵，如OP所述<代码>np.数组（[A[slice（i，i+3），slice（j，j+3）]，用于范围（0,6,3）中的i，用于范围（0,6,3）]中的j）当矩阵有6 x 3个元素时失败。我将尝试根据您的帖子编写一个解决方案。
In [1017]: np.arange(0,6,3)
Out[1017]: array([0, 3])