Python numpy：将多个切片组装到新阵列中

我有一个二维数组，我需要将其中的部分（切片）提取到一个新数组中：

original= numpy.ndarray( shape=(4,4) )
slices= numpy.ndarray( shape=(0,2) )
for x in range(3):
    slice= original[x:x+2,x:x+2] 
    slices=numpy.append(slices, slice,axis=0)

有没有更有效的方法来实现这一点（摆脱python for cycle）

----编辑---

为了澄清，我想问的是如何将任意（但类似）形状的2D切片从2D数组的任意2D索引复制到另一个垂直堆叠的2D数组中，而不是特别沿着对角线或2x2大小。以下是您的解决方案：

v = np.arange(0,original.shape[0],0.5).astype(int)
result = np.c_[ original[v[1:-1],v[:-2]] , original[v[1:-1],v[2:]] ]

适用于任何大小的方形输入矩阵（您称之为“原始”）

其思想是创建一个“助手数组”v，它简单地是[0,0,1,1,2,2,3,3，…]，然后使用观察结果，即您需要的索引始终是v的简单切片

---

享受吧

有一个非常好的技巧，其中包含

跨步技巧

，您可以在SO和other上找到具有不同通用性的滚动窗口函数（目前在numpy本身中没有），下面是一个根据您获得的功能定制的版本：

def rolling_window(arr, window):
    """Very basic multi dimensional rolling window. window should be the shape of
    of the desired subarrays. Window is either a scalar or a tuple of same size
    as `arr.shape`.
    """
    shape = np.array(arr.shape*2)
    strides = np.array(arr.strides*2)
    window = np.asarray(window)
    shape[arr.ndim:] = window # new dimensions size
    shape[:arr.ndim] -= window - 1
    if np.any(shape < 1):
        raise ValueError('window size is too large')
    return np.lib.stride_tricks.as_strided(arr, shape=shape, strides=strides)

# Now:
view = rolling_window(arr, 2)
view[0,0] # first slice in your loop

现在，

diagonal

是您在for循环中创建的数组（在较新版本中，如果不需要视图，请添加一个

.copy（）

）

编辑：由于追加，因此

切片

阵列是二维而非三维的，因此此处缺少重塑：

slices = diagonal.reshape(-1,2)

---

如果你有这么小的数组，这可能不会更快，但它的常数（除了在

对角线
调用中复制数据）与数组大小有关。
我仍在试图理解第二行的曲折。。。有没有办法在任意切片大小（不一定是2x2）上执行此操作？对于任意的切片位置，不一定沿着对角线。@goncalopp任意的正方形切片大小应该是一个简单的扩展。任意位置可能更复杂-底线是，您可以使用索引来获取切片，您只需要列出正确的顺序。在任何情况下，你的问题都非常具体，不清楚你想概括哪些变量，所以如果你想具体一些，请把它放在问题中。如果我正确理解了你的方法，提取n*n大小的切片需要n个np.c_2;参数？我编辑了这个问题以进行澄清这简化了索引，但是如果不将for与numpy.append一起使用，如何使用它来实现最终数组（“问题中的切片”）？@goncalopp抱歉，我没有注意到在添加时您正在删除一维。不过，这只是一个重塑。补充说，虽然可能有点烦人。我不确定你到底想要什么，但视图可以帮助你获得切片，从那里我想这取决于…很好！有没有办法将其推广到任意索引（不一定是对角线索引）？（请参见问题编辑）@goncalopp我猜只是w
视图
数组上的任何（奇特的）索引，或者重塑的
视图
数组……切片必须是方形的吗？@Bitwise“任意（但类似）成形的2D切片”，因此，不一定是方形的
slices = diagonal.reshape(-1,2)