Python 如何通过切片范围有效地索引到一维numpy数组

我有一个大的一维数据数组。我有一个

开始

索引数组，索引到发生重要事件的数据中。我想得到一个范围数组，这样我就可以得到长度为

L

的窗口，在

开始时的每个起始点都有一个窗口。虚假样本数据：

data = np.linspace(0,10,50)
starts = np.array([0,10,21])
length = 5

我想本能地做一些事情，比如

data[starts:starts+length]

但实际上，我需要将
开始
转换为范围“窗口”的2D数组。从函数语言开始，我会将其视为从列表到列表的
映射，如：

np.apply_along_axis(lambda i: np.arange(i,i+length), 0, starts)

但这不起作用，因为
apply\u沿轴
只允许标量返回值

您可以这样做：

pairs = np.vstack([starts, starts + length]).T
ranges = np.apply_along_axis(lambda p: np.arange(*p), 1, pairs)
data[ranges]

或者，您也可以使用列表：

data[np.array([np.arange(i,i+length) for i in starts])]

或者你可以迭代地做。（呜呜）

有没有一种简洁、惯用的方法可以在这样的起点切入数组？（请原谅我这个新手的愚蠢。）

要实现这一点，您可以使用
NumPy.meshgrid（）
，如下所述


正如hpaulj在评论中指出的，这个问题实际上不需要网格，因为可以使用阵列广播


返回

array([[ 0.        ,  0.20408163,  0.40816327,  0.6122449 ,  0.81632653],
       [ 2.04081633,  2.24489796,  2.44897959,  2.65306122,  2.85714286],
       [ 4.28571429,  4.48979592,  4.69387755,  4.89795918,  5.10204082]])

如果需要花费大量时间，可以使用
as_stried（）
来创建
数据的滑动窗口数组

data = np.linspace(0,10,50000)
length = 5
starts = np.random.randint(0, len(data)-length, 10000)

from numpy.lib.stride_tricks import as_strided
sliding_window = as_strided(data, (len(data) - length + 1, length), 
                 (data.itemsize, data.itemsize))

然后您可以使用：

sliding_window[starts]

得到你想要的

它也比创建索引数组快。
注意：这与问题不同-该问题的长度不规则。在这里，我所做的应该适合普通的矩形数组。很好的一个，+1从我这里——据我所知，这是最简洁优雅的方法。
index=np.arange（length）+start[：，None]
也works@hpaulj啊！那要平滑得多。更新答案。
data = np.linspace(0,10,50000)
length = 5
starts = np.random.randint(0, len(data)-length, 10000)

from numpy.lib.stride_tricks import as_strided
sliding_window = as_strided(data, (len(data) - length + 1, length), 
                 (data.itemsize, data.itemsize))

sliding_window[starts]