将 2d NumPy 数组重塑为具有重复行的 3d

Question

我有一个 NumPy 数组如下：

arr = np.array([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20]])

我正在寻找这样的安排：

[[[6,7,8,9,10],
  [1,2,3,4,5]],
 [[11,12,13,14,15],
  [6,7,8,9,10]],
 [[16,17,18,19,20],
  [11,12,13,14,15]]]

所以本质上是一个 3D 数组，数组的每一行都有 2x5。我试过的代码是：

x=np.zeros([3,2,5])
for i in range(len(arr)):
    x[i]=arr[i:i+2,:][::-1]

但这会导致以下输出：

[[[ 6.  7.  8.  9. 10.]
  [ 1.  2.  3.  4.  5.]]    
 [[ 0.  0.  0.  0.  0.]
  [ 0.  0.  0.  0.  0.]]  
 [[ 0.  0.  0.  0.  0.]
  [ 0.  0.  0.  0.  0.]]]

[[[ 6.  7.  8.  9. 10.]
  [ 1.  2.  3.  4.  5.]]    
 [[11. 12. 13. 14. 15.]
  [ 6.  7.  8.  9. 10.]]    
 [[ 0.  0.  0.  0.  0.]
  [ 0.  0.  0.  0.  0.]]]

[[[ 6.  7.  8.  9. 10.]
  [ 1.  2.  3.  4.  5.]]    
 [[11. 12. 13. 14. 15.]
  [ 6.  7.  8.  9. 10.]]    
 [[16. 17. 18. 19. 20.]
  [11. 12. 13. 14. 15.]]]

Answer 1

无需使用任何循环。切片就够了：

x = np.zeros([3,2,5], dtype=int)
x[:,0] = arr[-3:,:]
x[:,1] = arr[:3,:]

基本上，您将所有页面中的第 0 行分配给 arr 的最后 3 行，并将所有页面中的第 1 行分配给 arr 的前 3 行。[=13] =]

Answer 2

您可以使用一些 stride tricks 将数组构造为在输入数组上滑动 window 的多维数组：

import numpy as np 
arr = np.array([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20]]) 

# compute the strides and shape of the output array
in_strides = arr.strides 
out_strides = in_strides[:1] + in_strides 
out_shape = (3, 2) + arr.shape[-1:]  # keep the last dimension's size
strided = np.lib.stride_tricks.as_strided(arr, strides=out_strides, shape=out_shape)
out_arr = strided[:, ::-1, :].copy()  # use a copy to stay safe

只要 out_shape[-1] <= arr.shape[1] 和 sum(out_shape[:2]) <= arr.shape[0] + 1 以上内容就可以安全运行。这些是使滑动 window 在原始数组中有意义的约束，您的实际用例自然应该遵守这些约束。

重要提示：

如果上述不等式不成立，那么滑动 window 将愉快地滑出数组的内存范围，您将静静地开始看到垃圾矩阵元素：

>>> out_strides = in_strides[:1] + in_strides 
... out_shape = (3, 3, 5)  # 3 + 3 == 6 > arr.shape[0] + 1 == 5
... np.lib.stride_tricks.as_strided(arr, strides=out_strides, shape=out_shape)
array([[[         1,              2,              3,              4,
                  5],
    [             6,              7,              8,              9,
                 10],
    [            11,             12,             13,             14,
                 15]],

   [[             6,              7,              8,              9,
                 10],
    [            11,             12,             13,             14,
                 15],
    [            16,             17,             18,             19,
                 20]],

   [[            11,             12,             13,             14,
                 15],
    [            16,             17,             18,             19,
                 20],
    [           384,            193, 94379169559968,              0,
                  0]]])

如果你之后不会改变你的数组，并且只有这样，你可以省略上面最后的 .copy() 调用。这将为您提供一个与原始数组共享内存的跨步数组，但更重要的是，数组的行将彼此共享内存。这不是您通常想要的，但是如果您的实际数组非常大 and 您知道您可以安全地假设这些值不会独立变异，内存占用可能很重要。另一个需要考虑的方面是，对结果调用 .copy() 会给你一个连续的内存块，这可能对性能更好，具体取决于你打算对结果数组做什么。

Answer 3

我们可以利用 np.lib.stride_tricks.as_strided based scikit-image's view_as_windows to get sliding windows. .

from skimage.util.shape import view_as_windows

x = view_as_windows(arr,(2,arr.shape[1]))[:,0,::-1]

这只是输入数组的一个视图。因此，没有额外的内存开销和几乎免费的运行时间。如果你想要一个带有自己内存 space 的输出，请在此处附加 .copy()，即 x.copy().

样本运行-

In [15]: from skimage.util.shape import view_as_windows

In [16]: view_as_windows(arr,(2,arr.shape[1]))[:,0,::-1]
Out[16]: 
array([[[ 6,  7,  8,  9, 10],
        [ 1,  2,  3,  4,  5]],

       [[11, 12, 13, 14, 15],
        [ 6,  7,  8,  9, 10]],

       [[16, 17, 18, 19, 20],
        [11, 12, 13, 14, 15]]])

将 2d NumPy 数组重塑为具有重复行的 3d

Reshaping 2d NumPy array into 3d with recurring rows

python

arrays

numpy

reshape