Python numpy矢量化重采样，如熊猫数据帧重采样

我有一个

（42000）

numpy数组，并希望每5个元素对每列

（N=4）

重新采样，例如max、min、left、right，使其形状为（4400）

---

我可以使用

Pandas.DataFrame

使用

.resample（'5Min'）.agg（~）

或使用numpy数组和for loop-like

result=[max（输入[I:I+5]）来处理范围（0，len（输入），5）]内的I

。但是，由于没有矢量化，使用大型输入数组需要花费大量时间。有什么方法可以使用np数组进行矢量化计算吗？

这里有另一种方法可以在引擎盖下使用numpy步长（

a

是您的数组）：

现在，您可以对所需的参数使用方法/切片：

#max
a.max(-1)[0].T
#min
a.min(-1)[0].T
#left
a[...,0][0].T
#right
a[...,-1][0].T

例如：

a
#[[ 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 36 37 38 39]]

output for max
#[[ 4  9]
# [14 19]
# [24 29]
# [34 39]]

---

下面是另一种在引擎盖下使用numpy步幅的方法（

a

是您的阵列）：

现在，您可以对所需的参数使用方法/切片：

#max
a.max(-1)[0].T
#min
a.min(-1)[0].T
#left
a[...,0][0].T
#right
a[...,-1][0].T

例如：

a
#[[ 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 36 37 38 39]]

output for max
#[[ 4  9]
# [14 19]
# [24 29]
# [34 39]]

---

对于滑动最大-。对于一个通用的，获得滑动窗口并沿适当的轴使用ufunc-你能重塑numpy数组并沿正确的轴移动吗

np.max（input.reformate（4400,5），axis=-1）

@MBeale执行

np.reformate

确保滑动max的顺序与

skimage.util.view_as_块一样。对于一个通用的，获得滑动窗口并沿适当的轴使用ufunc-你能重塑numpy数组并沿正确的轴移动吗
np.max（input.reformate（4400,5），axis=-1）
@MBeale不执行
np.reformate
确保像
skimage.util.view\u那样按块查看？谢谢！它几乎将我的过程提高了20倍！谢谢它几乎将我的过程提高了20倍！