python从大型mxm网格中提取每个可能的nxn网格

我有一个大小为（827914）的网格，我想从中提取每个可能的（5,5）网格。以下代码按预期工作：

import numpy as np
N = 827
M = 914
gsize = 5
tmp = np.random.normal(0,1,(N,M))
alldata = np.zeros([(tmp.shape[0] - gsize + 1) * (tmp.shape[1] - gsize + 1),gsize, gsize])
county = 0

for i in range(0,tmp.shape[0] - gsize + 1):
    for j in range(0,tmp.shape[1] - gsize + 1):
        for k in range(i,i+gsize):
            for l in range(j,j+gsize):
                alldata[county,k-i,l-j] = tmp[k,l]
        county += 1

---

它将返回正确的数据和大小的数组（748930,5,5）。问题是这段代码需要大约20-30秒才能完成，并且希望有更精明/更快的东西。有什么想法吗？

这将是

的一个应用程序，正如您大踏步所做的那样：

from numpy.lib.stride_tricks import as_strided

a = as_strided(tmp, ((N-gsize+1),(M-gsize+1),gsize,gsize), 
               (strides[1], strides[1]) + tmp.strides 
              ).reshape(-1, gsize, gsize)

print(a.shape)
# (748930, 5, 5)

我觉得广的回答很酷

下面是我的一些简单的numpy索引：

import numpy as np
N = 827
M = 914
gsize = 5
tmp = np.random.normal(0,1,(N,M))
alldata = np.zeros([(N - gsize + 1) * (M - gsize + 1),gsize, gsize])

ind = 0
for i in range(N - gsize + 1):
    for j in range(M - gsize + 1):
        alldata[ind] = tmp[i:i+gsize, j:j+gsize]
        ind += 1
print(alldata)

您可以使用：
view\u as\u windows（tmp，（5,5））
以三维阵列的形式获取视图，这实际上是免费的。然后，您可以将形状重塑为所需的形状，但这会强制复制。“Stripes[1]”不应该是“tmp.Stripes[1]”吗？@M.Simpson是的，我忘了添加
Stripes=tmp.Stripes
：-）这对示例非常有效。但是，如果我有一个np.ndarray，它也有一个dtype=float32，出于某种原因，它不再工作。