如何通过切片范围有效地索引到一维 numpy 数组

Question

我有一个很大的一维数据数组。我有一个 starts 索引数组，指向发生重要事情的数据。我想得到一个范围数组，这样我就可以得到长度为 L 的 windows，starts 中的每个起点都有一个。伪造的样本数据：

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

我想本能地做类似

的事情

data[starts:starts+length]

但实际上，我需要将 starts 转换为范围 "windows." 的二维数组来自函数式语言，我会认为它是从列表到列表的 map列表，例如：

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

但这行不通，因为 apply_along_axis 只允许标量 return 值。

你可以这样做：

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

或者您可以通过列表理解来完成：

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

或者您可以迭代进行。（呸。）

有没有一种简洁、惯用的方法可以像这样在某些起点切入数组？（请原谅麻木的新手。）

Answer 1

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

对于执行此操作的 NumPy 唯一方法，您可以使用 numpy.meshgrid()，如此处所述

http://docs.scipy.org/doc/numpy/reference/generated/numpy.meshgrid.html

正如 hpaulj 在评论中指出的那样，这个问题实际上不需要 meshgrid，因为您可以使用数组广播。

http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html

# indices = sum(np.meshgrid(np.arange(length), starts))

indices = np.arange(length) + starts[:, np.newaxis]
# array([[ 0,  1,  2,  3,  4],
#        [10, 11, 12, 13, 14],
#        [21, 22, 23, 24, 25]])
data[indices]

returns

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]])

Answer 2

如果您需要经常这样做，您可以使用 as_strided() 创建一个 data

的滑动 windows 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))

那么你可以使用：

sliding_window[starts]

得到你想要的。

它也比创建索引数组更快。

如何通过切片范围有效地索引到一维 numpy 数组

How to efficiently index into a 1D numpy array via slice ranges

python

arrays

numpy

slice