如何在没有 for 循环的情况下对 python 中的数组进行下采样

Question

是否有一种 'pythonic' 方法可以在没有多个 for 循环的情况下干净地向下采样？

下面这个例子是我希望摆脱的 for 循环类型。

最小工作示例：

import numpy as np
unsampled_array = [1,3,5,7,9,11,13,15,17,19]
number_of_samples = 7
downsampled_array = []
downsampling_indices = np.linspace(0, len(unsampled_array)-1, number_of_samples).round()
for index in downsampling_indices:
    downsampled_array.append(unsampled_array[int(index)])
print(downsampled_array)

结果：

>>> [ 1  5  7  9 13 17 19]

Answer 1

你需要函数np.ix_，如下：

import numpy as np


unsampled_array = np.array([1,3,5,7,9,11,13,15,17,19])
number_of_samples = 5
downsampling_indices = np.linspace(0, len(unsampled_array)-1, number_of_samples).round()
downsampling_indices = np.array(downsampling_indices, dtype=np.int64)

indices = np.ix_(downsampling_indices)
downsampled_array = unsampled_array[indices]

print(downsampled_array)

Answer 2

如果你想要 "real" 下采样，其中每个值是 k 个值的平均值，你可以使用

unsampled_array.reshape(-1, k).mean(1)

确保 unsampled_array 是 np.array。在你的例子中，k=2。那会给你：

[ 2. 6. 10. 14. 18.]

*更新：如果你只想对每k项取第一项，可以用这个代码：

unsampled_array.reshape(-1, 2)[:, 0]

看看这个情节：

如何在没有 for 循环的情况下对 python 中的数组进行下采样

How to down sample an array in python without a for loop

python

arrays

numpy

downsampling

最小工作示例：

结果：