Python 将Numpy数组重塑为形状（n，n，n）立方体的词典列表

为了理解我试图实现的目标，让我们想象一个带有形状

（8,8,8）

的ndarray

a

，我从中按字典顺序获取形状块

（4,4,4）

。因此，在遍历这些块时，索引将如下所示：

0: a[0:4, 0:4, 0:4]  
1: a[0:4, 0:4, 4:8]  
2: a[0:4, 4:8, 0:4]  
3: a[0:4, 4:8, 4:8]  
4: a[4:8, 0:4, 0:4]  
5: a[4:8, 0:4, 4:8]  
6: a[4:8, 4:8, 0:4]  
7: a[4:8, 4:8, 4:8]  

我正试图访问这些数据块。显然，这可以通过使用将当前迭代转换为相应索引的表达式来描述。下面给出了一个例子

a = np.ones((8,8,8))
f = 4

length = round(a.shape[0] * a.shape[1] * a.shape[2] / f**3)

x = a.shape[0] / f
y = a.shape[1] / f
z = a.shape[2] / f

for i in range(length):
    print(f"{i}: {round((int(i/(z*y))%x)*f)}:{round(f+(int(i/(z*y))%x)*f)}, {round((int(i/z)%y)*f)}:{round(f+(int(i/z)%y)*f)}, {round((i%z)*f)}:{round(f+(i%z)*f)}")

我很抱歉必须这样做，但它会产生以下输出：

0: 0:4, 0:4, 0:4
1: 0:4, 0:4, 4:8
2: 0:4, 4:8, 0:4
3: 0:4, 4:8, 4:8
4: 4:8, 0:4, 0:4
5: 4:8, 0:4, 4:8
6: 4:8, 4:8, 0:4
7: 4:8, 4:8, 4:8

因此，这确实生成了正确的索引，但它只允许您在第0轴和第1轴上具有相同索引的情况下一次访问多个块，因此没有环绕。理想情况下，我会将整个ndarray重塑为一个带有形状的ndarray

b

（4,4,32），并以这样的方式排序，

b[：，：，：4]

将返回

a[0:4,0:4,0:4]

，

b[：，：，：，4:12]

返回一个包含

a[0:4,0:4,4,8]

和

的形状的ndarray
[0:4、4:8、0:4]
等。我希望这一过程尽可能快，因此理想情况下，我保留内存布局，只需更改阵列上的视图即可。

最后，如果有助于从概念上考虑这一点，那么这基本上是
ndarray.flatte（）
方法的一个变体，但如果愿意，可以使用形状块
（4,4）
作为“原子大小”

希望这足够清楚！
有点不清楚您想要什么作为输出。您正在寻找以下内容：

from skimage.util.shape import view_as_windows
b = view_as_windows(a,(f,f,f),f).reshape(-1,f,f,f).transpose(1,2,3,0).reshape(f,f,-1)

由@Paul提出，结果类似（事实上我更喜欢这个答案）：

输出：

print(np.array_equal(b[:, :, 4:8],a[0:4, 0:4, 4:8]))
#True
print(np.array_equal(b[:, :, 8:12],a[0:4, 4:8, 0:4]))
#True
print(np.array_equal(b[:, :, 12:16],a[0:4, 4:8, 4:8]))
#True

编辑：

该函数将C样式展平应用于阵列，如下所示

注:
这个方法和@Ehsan的方法都会产生“副本”而不是“视图”，我正在研究它，如果找到解决方案，我会更新答案

堆叠很重要。当你说包含[0:4,0:4,4:8]和[0:4,4:8,0:4]

的

（4,4,8）时，堆叠是垂直的还是水平的，或者其他方式？请提供一个小的输入/所需的输出。我建议使用
a=np.arange（64）。重塑（4,4,4）
和
f=2
并输出，以便我们更好地理解。谢谢。因此，在这个具体示例中，给定
b
形状
（4,4,8）
，
b[：，：，4:8]==a[0:4,0:4,4:8]
和
b[，：，8:12]==a[0:4,4]
。这将扩展到
b[，：，12:16]==a[0:4,4:8]
。重要的是这些形状块
（4,4,4）
在这两种表述中保持一致。希望有帮助！@svenhandrikx请检查我在帖子上的编辑，看看这是否是您想要的。谢谢。@Ehsan是的，第一个建议的解决方案使用了滚动窗口实现，所以这不完全是我想要的，但PaulPanzer建议的编辑是exac这就是我所需要的，非常感谢！我认为你不需要在这里查看窗口。一个简单的
重塑就足够了；
b=A.重塑（2，N//2,2，N//2，N）.转置（1,3,0,2,4）.重塑（N//2，N//2，N*4）
@PaulPanzer这是真的。我把它添加到了帖子中。最初我不确定OP在寻找什么。谢谢。
transpose（）
中的轴编号不是错了吗？应该是
（0,2,4,1,3）
@Hammad No，转置是OP要求的。请检查帖子末尾的数组检查以确认它。@PaulPanzer这正是我想要的，很好的建议！下面已经发布了这个答案。另外，根据OP的要求，转置是不正确的。要更好地理解，请使用
print检查它（np.array_equal（b[：，：，12:16]，a[0:4，4:8，4:8]）
每一个OP的问题请求。谢谢。@Ehsan我还添加了检查，这个检查可以帮助您检查。不过，这些似乎只是必需的块。请参阅问题的最后一部分或评论部分，了解OP想要最终输出（形状）的方式除非我错过了什么。
print(np.array_equal(b[:, :, 4:8],a[0:4, 0:4, 4:8]))
#True
print(np.array_equal(b[:, :, 8:12],a[0:4, 4:8, 0:4]))
#True
print(np.array_equal(b[:, :, 12:16],a[0:4, 4:8, 4:8]))
#True

def flatten_by(arr, atomic_size):
    a, b, c = arr.shape
    x, y, z = atomic_size
    
    r = arr.reshape([a//x, x, b//y, y, c//z, z])
    r = r.transpose([0, 2, 4, 1, 3, 5])
    r = r.reshape([-1, x, y, z])
    
    return r

flatten_by(arr, [4,4,4]).shape

>>>   (8, 4, 4, 4)

flattened = flatten_by(arr, [4,4,4])

required = np.array([
    arr[0:4, 0:4, 0:4],
    arr[0:4, 0:4, 4:8],  
    arr[0:4, 4:8, 0:4],  
    arr[0:4, 4:8, 4:8],  
    arr[4:8, 0:4, 0:4],  
    arr[4:8, 0:4, 4:8],  
    arr[4:8, 4:8, 0:4],  
    arr[4:8, 4:8, 4:8],  
])

np.array_equal(required, flattened)

>>> True