python - 沿着 3D NumPy 数组的后 2 个维度移动窗口以获得 3D 块
问题描述
我有一个像这样a
的形状的 3D NumPy 数组:(2, 9, 9)
a = np.array([
[[4, 5, 1, 3, 8, 8, 0, 6, 6],
[9, 2, 2, 1, 8, 2, 2, 4, 5],
[2, 3, 2, 2, 5, 3, 1, 2, 4],
[9, 6, 2, 9, 1, 0, 6, 2, 3],
[4, 2, 7, 7, 9, 1, 3, 7, 2],
[5, 8, 9, 4, 6, 3, 1, 6, 7],
[3, 6, 4, 7, 2, 9, 8, 3, 4],
[0, 4, 1, 2, 3, 7, 3, 7, 5],
[6, 9, 2, 6, 0, 0, 5, 1, 4]],
[[4, 2, 0, 1, 6, 7, 1, 0, 8],
[1, 5, 3, 6, 4, 2, 4, 8, 3],
[7, 4, 9, 9, 1, 9, 7, 3, 1],
[3, 6, 1, 2, 5, 4, 1, 3, 0],
[3, 3, 6, 6, 9, 8, 4, 2, 8],
[7, 9, 1, 3, 0, 2, 0, 7, 4],
[6, 7, 9, 3, 0, 2, 1, 9, 2],
[1, 0, 3, 4, 7, 8, 1, 6, 5],
[4, 4, 7, 8, 3, 7, 0, 4, 7]]])
我想2 × 3 × 3
使用沿后两个维度的移动窗口(在本例中9 × 9
)获得 3D 形状块。第一个维度的大小(我称之为“深度”)是任意的。第一个块的示例是:
>>> array([
[[np.nan, np.nan, np.nan],
[np.nan, 4, 5],
[np.nan, 9, 2]],
[[np.nan, np.nan, np.nan],
[np.nan, 4, 2],
[np.nan, 1, 5]]])
第二个是:
>>> array([
[[np.nan, np.nan, np.nan],
[4, 5, 1],
[9, 2, 2]],
[[np.nan, np.nan, np.nan],
[4, 2, 0],
[1, 5, 3]]])
等等...
我稍后需要对这些块应用更复杂的函数,而不是简单的平均值或类似的函数,所以我会很感激它们的新数组(我想这是相当内存密集型的,有没有不同的方法?可能矢量化?但它不是必要的)
我尝试在 #44305987 中申请np.lib.stride_tricks.as_strided
我的案例,并在#15722324中使用花哨的索引,但没有达到预期的结果。
谢谢!
解决方案
你可以用skimage.util.view_as_windows
这个。由于您似乎需要2
这些窗口视图的最小元素大小,您可以将数组分配给更大的数组np.nan
,并获取结果数组的跨步视图:
from skimage.util import view_as_windows
i,j,k= a.shape
a_exp = np.full((i,j+2,k+2), np.nan)
a_exp[:,1:j+1,1:k+1] = a
或者你也可以这样做np.pad
:
a_exp = np.pad(a.astype('float'),
pad_width=((0,0),(1,1),(1,1)),
constant_values=np.nan)
并查看跨步:
out = view_as_windows(a_exp, (a.shape[0],3,3))
out
array([[[[[[nan, nan, nan],
[nan, 4., 5.],
[nan, 9., 2.]],
[[nan, nan, nan],
[nan, 4., 2.],
[nan, 1., 5.]]],
[[[nan, nan, nan],
[ 4., 5., 1.],
[ 9., 2., 2.]],
[[nan, nan, nan],
[ 4., 2., 0.],
[ 1., 5., 3.]]],
...
推荐阅读
- python - LSTM和Seq2Seq有什么区别(M到1)
- python - 如何使视图方法接受来自 Django 表单的图像?
- debugging - 调试器只显示一些地址,而不是不正确的模块或函数
- ios - MKMapView 暗模式更改动画
- javascript - 访问不是几何或属性的geojson键值对?
- c++ - 在 C++ 中声明一系列类对象时的内存分配
- algorithm - 数量最少的组的最大值
- ray - ray:安装anyscale-academy教程抛出socket异常
- php - Wordpress - 登录后的密码保护页面白页
- counting - 计算字符串中没有空格的字符