我在 numpy
中有一个 m*n 矩阵
。我想将我的矩阵分成 2*2 block ,然后用其 block 中元素的平均值替换每个元素。例如考虑以下数组:
[
[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12],
[13, 14, 15, 16]
]
我想生成这个矩阵:
[
[3.5, 3.5, 5.5, 5.5]
[3.5, 3.5, 5.5, 5.5]
[11.5, 11.5, 13.5, 13.5]
[11.5, 11.5, 13.5, 13.5]
]
最有效的方法是什么?我应该使用 for 循环吗?
最佳答案
一种方法是将这两个轴中的每一个拆分成另外两个轴,并沿着这两个轴中的后者找到 mean
,为我们提供平均值。我们将使用 keepdims=True
保持尺寸,以便稍后使用 np.repeat
沿着缩小的轴复制最终输出。
因此,一种实现方式是 -
b = a.reshape(2,2,2,2).mean((1,3), keepdims=1)
out = np.repeat(np.repeat(b,(2),axis=(1)),(2), axis=3).reshape(4,4)
sample 运行-
In [17]: a
Out[17]:
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12],
[13, 14, 15, 16]])
In [18]: b = a.reshape(2,2,2,2).mean((1,3), keepdims=1)
In [19]: np.repeat(np.repeat(b,(2),axis=(1)),(2), axis=3).reshape(4,4)
Out[19]:
array([[ 3.5, 3.5, 5.5, 5.5],
[ 3.5, 3.5, 5.5, 5.5],
[ 11.5, 11.5, 13.5, 13.5],
[ 11.5, 11.5, 13.5, 13.5]])
一般来说,解决方案如下所示 -
m,n = a.shape
p,q = (2,2) # Block size
b = a.reshape(m//p,p,n//q,q).mean((1,3), keepdims=1)
out = np.repeat(np.repeat(b,(p),axis=(1)),(q), axis=3).reshape(a.shape)
性能提升
我们可以用基于初始化的部分替换那个复制部分,就像这样 -
out = np.empty((m//p,p,n//q,q),dtype=float)
out[:] = b
out.shape = a.shape
关于python - numpy 用 2*2 block 的平均值替换数组元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44857697/