Python 剪切numpy数组

我想“剪切”一个numpy数组。我不确定我是否正确使用了“剪切”一词；我所说的剪切是指：

将第一列移动0位
将第二列移动1位
将第三列移动2位
等等

所以这个数组：

array([[11, 12, 13],
       [17, 18, 19],
       [35, 36, 37]])

array([[11, 36, 19],
       [17, 12, 37],
       [35, 18, 13]])

array([[11,  0,  0],
       [17, 12,  0],
       [35, 18, 13]])

将转换为以下任一阵列：

array([[11, 12, 13],
       [17, 18, 19],
       [35, 36, 37]])

array([[11, 36, 19],
       [17, 12, 37],
       [35, 18, 13]])

array([[11,  0,  0],
       [17, 12,  0],
       [35, 18, 13]])

或者类似于此数组的内容：

array([[11, 12, 13],
       [17, 18, 19],
       [35, 36, 37]])

array([[11, 36, 19],
       [17, 12, 37],
       [35, 18, 13]])

array([[11,  0,  0],
       [17, 12,  0],
       [35, 18, 13]])

取决于我们如何处理边缘。我对边缘行为不太挑剔

下面是我尝试使用的函数：

import numpy

def shear(a, strength=1, shift_axis=0, increase_axis=1, edges='clip'):
    strength = int(strength)
    shift_axis = int(shift_axis)
    increase_axis = int(increase_axis)
    if shift_axis == increase_axis:
        raise UserWarning("Shear can't shift in the direction it increases")
    temp = numpy.zeros(a.shape, dtype=int)
    indices = []
    for d, num in enumerate(a.shape):
        coords = numpy.arange(num)
        shape = [1] * len(a.shape)
        shape[d] = num
        coords = coords.reshape(shape) + temp
        indices.append(coords)
    indices[shift_axis] -= strength * indices[increase_axis]
    if edges == 'clip':
        indices[shift_axis][indices[shift_axis] < 0] = -1
        indices[shift_axis][indices[shift_axis] >= a.shape[shift_axis]] = -1
        res = a[indices]
        res[indices[shift_axis] == -1] = 0
    elif edges == 'roll':
        indices[shift_axis] %= a.shape[shift_axis]
        res = a[indices]
    return res

if __name__ == '__main__':
    a = numpy.random.random((3,4))
    print a
    print shear(a)

导入numpy
def剪切（a，强度=1，位移轴=0，增加轴=1，边缘='clip'）：
强度=int（强度）
shift_轴=int（shift_轴）
增加_轴=整数（增加_轴）
如果shift_轴==增加_轴：
raise UserWarning（“剪切力不能沿其增加的方向移动”）
temp=numpy.zero（a.shape，dtype=int）
指数=[]
对于d，枚举中的num（a.shape）：
coords=numpy.arange（num）
形状=[1]*len（a.shape）
形状[d]=num
坐标=坐标。重塑（形状）+温度
索引。追加（coords）
指数[shift_轴]-=强度*指数[增加_轴]
如果边==‘剪辑’：
索引[移位轴][索引[移位轴]<0]=-1
索引[shift_轴][索引[shift_轴]>=a.shape[shift_轴]]=-1
res=a[指数]
res[索引[移位轴]=-1]=0
elif边==“滚动”：
索引[shift\u轴]]=a.形状[shift\u轴]
res=a[指数]
返回res
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
a=numpy.random.random（（3,4））
打印
印花剪（a）

它似乎起作用了。如果没有，请告诉我

它也显得笨重和不雅。我是否忽略了实现此功能的内置numpy/scipy函数？在numpy有没有更干净/更好/更有效的方法？我是在重新发明轮子吗

编辑：
如果这在N维数组（而不仅仅是2D数组）上有效，则会获得额外点数

这个函数将处于循环的中心，我将在数据处理过程中重复多次，因此我认为它实际上值得优化

第二次编辑： 我终于做了一些基准测试。看起来numpy.roll是一个不错的选择，尽管存在循环。谢谢tom10和Sven Marnach

基准测试代码：（在Windows上运行，我想在Linux上不要使用time.clock）

导入时间，numpy def剪切力_1（a，强度=1，位移_轴=0，增加_轴=1，边缘=滚动）： 强度=int（强度） shift_轴=int（shift_轴） 增加_轴=整数（增加_轴） 如果shift_轴==增加_轴： raise UserWarning（“剪切力不能沿其增加的方向移动”） temp=numpy.zero（a.shape，dtype=int） 指数=[] 对于d，枚举中的num（a.shape）： coords=numpy.arange（num） 形状=[1]*len（a.shape） 形状[d]=num 坐标=坐标。重塑（形状）+温度 索引。追加（coords） 指数[shift_轴]-=强度*指数[增加_轴] 如果边==‘剪辑’： 索引[移位轴][索引[移位轴]<0]=-1 索引[shift_轴][索引[shift_轴]>=a.shape[shift_轴]]=-1 res=a[指数] res[索引[移位轴]=-1]=0 elif边==“滚动”： 索引[shift\u轴]]=a.形状[shift\u轴] res=a[指数] 返回res def剪切_2（a，强度=1，位移_轴=0，增加_轴=1，边缘=滚动）： 索引=numpy.索引（a.形状） 指数[shift_轴]-=强度*指数[增加_轴] 索引[shift\u轴]]=a.形状[shift\u轴] res=a[元组（索引）] 如果边==‘剪辑’： res[索引[移位轴]<0]=0 res[索引[shift_轴]>=a.形状[shift_轴]]=0 返回res def剪切_3（a，强度=1，位移_轴=0，增加_轴=1）： 如果shift_轴>增加_轴： 移位_轴-=1 res=numpy.empty_like（a） index=numpy.index\u exp[：]*增加轴 roll=numpy.roll 对于范围内的i（0，a.形状[增加_轴]）： 指数i=指数+（i，） res[index_i]=滚动（a[index_i]，i*强度，位移轴） 返回res numpy.random.seed（0） 一段时间( numpy.random.random（（3,3,3,3））， numpy.random.random（（50,50,50,50））， numpy.random.random（（300,300,10,10））， ): 打印“数组维度：”，a.shape 对于sa，ia在（（0,1）、（1,0）、（2,3）、（0,3））中： 打印“移位轴：”，sa 打印“增加轴：”，ia ref=剪力1（a，位移轴=sa，增加轴=ia） 对于剪力，在（（剪力1，'1'），（剪力2，'2'），（剪力3，'3'））中标注： 开始=时间。时钟（） b=剪力（a，位移轴=sa，增加轴=ia） end=time.clock（） 打印标签+：%0.6f秒“%”（结束-开始） 如果（b-ref）.max（）大于1e-9： 打印“出问题了。” 打印

---

我想。你应该考虑这个伪代码多于实际的Python。基本上，对数组进行转置，在其上映射一个通用的旋转函数以进行旋转，然后将其转置回来。

这可以使用中描述的技巧完成：

要获得“剪辑”而不是“滚动”，请使用

这可能是最有效的方法，因为它根本不使用任何Python循环。

numpy就是这样做的。例如，如果原始数组是x，则

for i in range(x.shape[1]):
    x[:,i] = np.roll(x[:,i], i)

产生

[[11 36 19]
 [17 12 37]
 [35 18 13]]

---

以下是您自己的方法的一个清理版本：

def shear2(a, strength=1, shift_axis=0, increase_axis=1, edges='clip'):
    indices = numpy.indices(a.shape)
    indices[shift_axis] -= strength * indices[increase_axis]
    indices[shift_axis] %= a.shape[shift_axis]
    res = a[tuple(indices)]
    if edges == 'clip':
        res[indices[shift_axis] < 0] = 0
        res[indices[shift_axis] >= a.shape[shift_axis]] = 0
    return res

def-shear2（a，强度=1，位移轴=0，增加轴=1，边缘=clip'）：
索引=numpy.索引（a.形状）
指数[shift_轴]-=强度*指数[增加_轴]
索引[shift\u轴]]=a.形状[shift\u轴]
res=a[元组（索引）]
如果边==‘剪辑’：
res[索引[移位轴]<0]=0
res[索引[shift_轴]>=a.形状[shift_轴]]=0
返回res

主要区别在于它使用

numpy.index（）

而不是滚动您自己的版本。

中的方法可以扩展到任意维度：

def shear3(a, strength=1, shift_axis=0, increase_axis=1):
    if shift_axis > increase_axis:
        shift_axis -= 1
    res = numpy.empty_like(a)
    index = numpy.index_exp[:] * increase_axis
    roll = numpy.roll
    for i in range(0, a.shape[increase_axis]):
        index_i = index + (i,)
        res[index_i] = roll(a[index_i], -i * strength, shift_axis)
    return res

---

很不错的！我来试试这个。不要逼我走运，布