Numpy重组2D数组

我正在寻找一个快速的公式来做一个2D numpy数组的数值装仓。通过binning我的意思是计算子矩阵的平均值或累计值。例如。 x = numpy.arange（16）.reshape（4，4）将被分解为2x2的4个子矩阵，并给出numpy.array（[[2.5,4.5]，[10.5,12.5]]），其中2.5 = numpy。平均（[0,1,4,5]）等...Numpy重组2D数组

如何以有效的方式执行这样的操作...我真的没有任何想法如何执行此操作...

非常感谢...

来源

2013-02-17 user1187727

是保证，以适应小矩阵，到底是什么？你有1.7吗？可用（这就是整洁，没有必要）？ – seberg 2013-02-17 00:59:01

我已经numpy 1.8dev，但我的工作得到旧版本... – user1187727 2013-02-17 15:31:39

您可以使用阵列的高维视图，并取平均值沿额外维度：

In [12]: a = np.arange(36).reshape(6, 6) 

In [13]: a 
Out[13]: 
array([[ 0, 1, 2, 3, 4, 5], 
     [ 6, 7, 8, 9, 10, 11], 
     [12, 13, 14, 15, 16, 17], 
     [18, 19, 20, 21, 22, 23], 
     [24, 25, 26, 27, 28, 29], 
     [30, 31, 32, 33, 34, 35]]) 

In [14]: a_view = a.reshape(3, 2, 3, 2) 

In [15]: a_view.mean(axis=3).mean(axis=1) 
Out[15]: 
array([[ 3.5, 5.5, 7.5], 
     [ 15.5, 17.5, 19.5], 
     [ 27.5, 29.5, 31.5]])

在一般情况下，如果你想要的形状(a, b)的垃圾箱为(rows, cols)数组，你对它的重塑应该是.reshape(rows // a, a, cols // b, b)。还要注意的是，.mean的顺序是重要的，例如， a_view.mean(axis=1).mean(axis=3)会引发错误，因为a_view.mean(axis=1)只有三个维度，尽管a_view.mean(axis=1).mean(axis=2)可以正常工作，但它会使得更难理解正在发生的事情。

AS是，上面的代码只工作，如果如果a划分rows和b划分cols可以适合你的数组内箱的整数倍，即。有办法处理其他情况，但是你必须定义你想要的行为。

来源

2013-02-17 01:01:46 Jaime

在numpy 1.7。你可以将它压缩到'.mean（axis =（1,3））'！ – seberg 2013-02-17 01:19:27

我不知道这个重塑是可能的，太棒了！不幸的是，平均值是按照顺序依赖的，因此如何获得前者的平均值。在你的例子中的2,2的子矩阵（我的意思是角0,1,6,7等）？ – user1187727 2013-02-17 15:29:48

@ user1187727我不认为我理解你的问题，但是'[[0,1]，[6,7]]'的平均值是'a_view.mean（axis = 1）'的项['0,0] 3）.mean（轴= 1）'。 – Jaime 2013-02-17 15:36:14

我假设你只想知道如何通常构建一个功能，可以很好地执行和数组操作，就像你的例子中的numpy.reshape一样。因此，如果性能真的很重要，并且您已经在使用numpy，那么您可以编写自己的C代码，比如numpy。例如，arange的实现完全在C中。几乎所有与性能有关的numpy都是在C中实现的。

但是，在这样做之前，应该尝试在python中实现代码并查看性能是够好的。尽量让python代码尽可能高效。如果它仍然不适合您的性能需求，请使用C方式。

你可以在docs的地方阅读。

来源

2013-02-17 00:40:05 nemo

见the SciPy Cookbook on rebinning，它提供了这个片断：

def rebin(a, *args): 
    '''rebin ndarray data into a smaller ndarray of the same rank whose dimensions 
    are factors of the original dimensions. eg. An array with 6 columns and 4 rows 
    can be reduced to have 6,3,2 or 1 columns and 4,2 or 1 rows. 
    example usages: 
    >>> a=rand(6,4); b=rebin(a,3,2) 
    >>> a=rand(6); b=rebin(a,2) 
    ''' 
    shape = a.shape 
    lenShape = len(shape) 
    factor = asarray(shape)/asarray(args) 
    evList = ['a.reshape('] + \ 
      ['args[%d],factor[%d],'%(i,i) for i in range(lenShape)] + \ 
      [')'] + ['.sum(%d)'%(i+1) for i in range(lenShape)] + \ 
      ['/factor[%d]'%i for i in range(lenShape)] 
    print ''.join(evList) 
    return eval(''.join(evList))

来源

2014-02-21 03:14:58

Numpy重组2D数组

回答

相关问题