Skip to main content
 首页 » 编程设计

python之将 3D numpy 数组的切片快速组合为 3D 子数组

2024年12月31日9zlslch

我有一个 3D numpy 数组 x。我想在轴 0 上获取每个切片的一个子集(每个子集的形状相同,但每个切片的开始和结束索引可能不同)并将它们组合成一个单独的 3D numpy 数组。我可以用

import numpy as np 
 
x = np.arange(24).reshape((3, 4, 2)) 
starts = [0, 2, 1] 
ends = [2, 4, 3] 
 
np.stack([x[i, starts[i]:ends[i]] for i in range(3)]) 

但 1) 是否有任何方法可以使用花哨的索引在单个操作中完成此操作,以及 2) 这样做会加快速度吗?

请您参考如下方法:

我们可以利用 np.lib.stride_tricks.as_strided基于 scikit-image's view_as_windows获得滑动窗口。 More info on use of as_strided based view_as_windows .

from skimage.util.shape import view_as_windows 
 
L = 2 # ends[0]-starts[0] 
w = view_as_windows(x,(1,L,1))[...,0,:,0] 
out = w[np.arange(len(starts)), starts].swapaxes(1,2) 

或者,利用 broadcasting 的紧凑版本生成所有必需的索引,然后索引到输入数组中,将是 -

x[np.arange(len(starts))[:,None],np.asarray(starts)[:,None] + np.arange(L)]