Python数组: Take two and skip two

Question

我有一个例子，我有如下输入数组

array([[[ 1.,  0.,  2.,  0.,  3.,  0.,  4.,  0.,  5.],
        [ 6.,  0.,  7.,  0.,  8.,  0.,  9.,  0., 10.],
        [11.,  0., 12.,  0., 13.,  0., 14.,  0., 15.]],

       [[16.,  0., 17.,  0., 18.,  0., 19.,  0., 20.],
        [21.,  0., 22.,  0., 23.,  0., 24.,  0., 25.],
        [26.,  0., 27.,  0., 28.,  0., 29.,  0., 30.]]])

我想得到如下所示的输出。

array([[[ 1.,  0.,  3.,   0.,  5.],
        [ 6.,  0.,  8.,   0., 10.],
        [11.,  0., 13.,   0., 15.]],

       [[16.,  0., 18.,   0., 20.],
        [21.,  0., 23.,   0., 25.],
        [26., 0., 28.,    0., 30.]]])

如果解决方案能够通用而不仅仅是这个示例，我会很高兴。

Answer 1

由于不能保证最后一个维度的长度是偶数，这里我选择构建bool索引:

>>> mask = np.arange(ar.shape[-1]) // 2 % 2 == 0   # np.arange() & 2 == 0 is faster
>>> mask
array([ True,  True, False, False,  True,  True, False, False,  True])
>>> ar[:, :, mask]  # or ar[..., mask]
array([[[ 1.,  0.,  3.,  0.,  5.],
        [ 6.,  0.,  8.,  0., 10.],
        [11.,  0., 13.,  0., 15.]],

       [[16.,  0., 18.,  0., 20.],
        [21.,  0., 23.,  0., 25.],
        [26.,  0., 28.,  0., 30.]]])

如果可以保证最后一个维度的长度均匀，则使用切片 reshape 是另一种技术:

>>> ar
array([[[ 1.,  0.,  2.,  0.,  3.,  0.,  4.,  0.],
        [ 6.,  0.,  7.,  0.,  8.,  0.,  9.,  0.],
        [11.,  0., 12.,  0., 13.,  0., 14.,  0.]],

       [[16.,  0., 17.,  0., 18.,  0., 19.,  0.],
        [21.,  0., 22.,  0., 23.,  0., 24.,  0.],
        [26.,  0., 27.,  0., 28.,  0., 29.,  0.]]])
>>> shape = ar.shape[:-1]
>>> ar.reshape(*shape, -1, 2)[..., ::2, :].reshape(*shape, -1)
array([[[ 1.,  0.,  3.,  0.],
        [ 6.,  0.,  8.,  0.],
        [11.,  0., 13.,  0.]],

       [[16.,  0., 18.,  0.],
        [21.,  0., 23.,  0.],
        [26.,  0., 28.,  0.]]])