NxN python数组子集

我需要对

NxN数组的子集执行一些操作。我有子数组的中心，
x
和
y
，以及它的大小

因此，我可以轻松做到：

subset=data[y-size:y+size，x-size:x+size]

这很好

我要问的是，如果
x
和
y
都是一维位置数组，是否有可能在不编写显式循环的情况下执行相同的操作

谢谢
 使用一个5x5数组的简单示例，并将大小设置为1，我们可以得到：

import numpy as np
data = np.arange(25).reshape((5,5))

size = 1
x = np.array([1,4])
y = np.array([1,4])
subsets = [data[j-size:j+size,i-size:i+size] for i in x for j in y]

print(subsets)

返回numpy数组的列表：

[array([[0, 1],[5, 6]]),
 array([[15, 16],[20, 21]]),
 array([[3, 4],[8, 9]]),
 array([[18, 19],[23, 24]])]

我希望这就是您想要的。
使用5x5阵列的简单示例，并将大小设置为1，我们可以得到：

import numpy as np
data = np.arange(25).reshape((5,5))

size = 1
x = np.array([1,4])
y = np.array([1,4])
subsets = [data[j-size:j+size,i-size:i+size] for i in x for j in y]

print(subsets)

返回numpy数组的列表：

[array([[0, 1],[5, 6]]),
 array([[15, 16],[20, 21]]),
 array([[3, 4],[8, 9]]),
 array([[18, 19],[23, 24]])]

我希望这就是您要查找的内容。
要获取子集列表，假设您有位置列表
xList
和
yList
，这将执行以下操作：

subsetList = [ data[y-size:y+size,x-size:x+size] for x,y in zip(xList,yList) ]

要获取子集列表，假设您有位置列表
xList
和
yList
，这将执行以下操作：

subsetList = [ data[y-size:y+size,x-size:x+size] for x,y in zip(xList,yList) ]

预期的结果是什么？预期的结果是什么？是的，这和前面的答案肯定有效（谢谢！）。然而，我想知道是否有某种numpy方法可以使这个操作更快。让我们假设，例如，我需要计算每个子集的平均值。我确实希望像np.mean（数据[y-size:y+size，x-size:x+size]）这样的东西能给我一系列结果。但是，这当然不起作用。上面每个子集的平均值可以简单地通过以下公式计算：'subset_ave=[np.mean（sub）for subset in subsets]'返回平均值（means）的列表是的，这和前面的答案肯定有效（谢谢！）。然而，我想知道是否有某种numpy方法可以使这个操作更快。让我们假设，例如，我需要计算每个子集的平均值。我确实希望像np.mean（数据[y-size:y+size，x-size:x+size]）这样的东西能给我一系列结果。但是，当然，这是行不通的。上面每个子集的平均值可以简单地通过以下公式计算：'subset_ave=[np.mean（sub）for subset in subsets]'返回平均值（means）列表