numpy strides 只能在子数组内跨步吗？

Question

我有一个非常大的 numpy 数组（145000 行 * 550 列）。我想在子数组中创建滚动切片。我试图用一个函数来实现它。函数 lagged_vals 的行为符合预期，但 np.lib.stride_tricks 的行为与我希望的不同 -

def lagged_vals(series,l):
# Garbage implementation but still right
    return np.concatenate([[x[i:i+l] for i in range(x.shape[0]) if i+l <= x.shape[0]] for x in series]
                          ,axis = 0)

# Sample 2D numpy array
something = np.array([[1,2,2,3],[2,2,3,3]])
lagged_vals(something,2) # Works as expected

# array([[1, 2],
#     [2, 2],
#     [2, 3],
#     [2, 2],
#     [2, 3],
#     [3, 3]])


np.lib.stride_tricks.as_strided(something,
                               (something.shape[0]*something.shape[1],2),
                               (8,8))

# array([[1, 2],
#        [2, 2],
#        [2, 3],
#        [3, 2], <--- across subarray stride, which I do not want
#        [2, 2],
#        [2, 3],
#        [3, 3])

如何删除 np.lib.stride_tricks 实施中的特定行？我如何为一个大的 numpy 数组缩放这个跨数组步幅删除？

Answer 1

当然，np.lib.stride_tricks.as_strided 可以做到这一点。这是一种方式 -

from numpy.lib.stride_tricks import as_strided

L = 2 # window length
shp = a.shape
strd = a.strides

out_shp = shp[0],shp[1]-L+1,L
out_strd = strd + (strd[1],)

out = as_strided(a, out_shp, out_strd).reshape(-1,L)

样本输入、输出-

In [177]: a
Out[177]: 
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])

In [178]: out
Out[178]: 
array([[0, 1],
       [1, 2],
       [2, 3],
       [4, 5],
       [5, 6],
       [6, 7]])

请注意，整形的最后一步强制它在那里制作副本。但如果我们需要最终输出为 2D，那是无法避免的。如果我们对 3D 输出没有问题，请跳过该重塑，从而实现 view，如示例案例 -

所示

In [181]: np.shares_memory(a, out)
Out[181]: False

In [182]: as_strided(a, out_shp, out_strd)
Out[182]: 
array([[[0, 1],
        [1, 2],
        [2, 3]],

       [[4, 5],
        [5, 6],
        [6, 7]]])

In [183]: np.shares_memory(a, as_strided(a, out_shp, out_strd) )
Out[183]: True

numpy strides 只能在子数组内跨步吗？

Can numpy strides stride only within subarrays?

python

arrays

python-3.x

numpy

stride