python - numpy 二维数组的 block 均值

Question

我想在 NumPy 中找到二维数组的 block 均值。为简单起见，让我们假设数组如下:

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]])

我想把这个数组分成 3 个大小为 2x4 的 block ，然后求所有三个 block 的平均值(这样平均值的形状就是 2x4。第一个 block 由前 4 列组成，下一个接下来的 4 列等等。所以我的 block 是:

array([[0, 1, 2, 3],
       [12, 13, 14, 15]])

array([[ 4,  5,  6,  7],
       [16, 17, 18, 19]])

array([[ 8,  9, 10, 11],
       [20, 21, 22, 23]])

我可以使用循环来执行此操作，但我觉得最好先通过 reshape 将此数组转换为 3D 数组，然后使用 mean 沿第三轴在 3D 阵列上的方法。这可能类似于 this question .

如果有人能提供给我，我将不胜感激:

1).一个适当的 Pythonic 命令来执行 block 均值，甚至不转换为 3D，如果存在这样的技巧。

2).如果不是执行 2D 到 3D 转换的适当 Pythonic 命令。

3).了解使用循环或使用上面的命令是否更有效(就空间而言)。

Answer 1

Numpy 方法几乎总是会击败 python 循环，所以我将跳过你的 1。

至于 2，在这种特殊情况下，以下工作:

a = np.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]])
a = a.reshape(2, 3, 4)
>>> a
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]]])
>>> np.mean(a, axis=1)
array([[  4.,   5.,   6.,   7.],
       [ 16.,  17.,  18.,  19.]])

诀窍在于reshape。对于您想要 n 列 block 的一般情况，以下是一个选项

a = a.reshape((a.shape[0], -1, n))

您在 3 中的担忧大多是没有根据的。 reshape返回原始数组的 View ，而不是副本，因此转换为 3D 只需要更改数组的 shape 和 strides 属性，而不必复制任何实际数据。

编辑 为确保 reshape 不复制数组，而是返回一个 View ，请按照以下方式 reshape

a.shape = a = a.reshape((a.shape[0], -1, n))

docs 中的示例遵循以下原则:

>>> a = np.arange(12).reshape(3,4)
>>> b = a.T
>>> b.shape = (12,)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: incompatible shape for a non-contiguous array

一般来说，只有在您的数组上执行transpose、rollaxis、swapaxes 或类似操作时才会出现问题。