在一个大矩阵中迭代子矩阵

Question

我希望能够通过使用for循环来遍历一个更大的矩阵，并在每次迭代时输出一个大小为（6,3,3）的子矩阵。

我的大矩阵存储为numpy矩阵，我也希望每次迭代都能以这种方式输出。

>>> import numpy as np
>>> a = np.random.rand(6*3,3*3,3)
>>> print a.shape
(18, 9, 3)
>>> print a
>>> b

变量b应包含矩阵a中大小为(6,3,3)的所有子矩阵。 每个子矩阵不应与先前的重叠。

- J.Down

---

你正在寻找滑动矩阵吗？输入数组有多少个维度？能否添加一个示例案例？ - Divakar

是的...我想你可以称它为一个滑动矩阵。维度嘛，行总是78（可被6整除）。列取决于数据长度，但总是可被3整除，深度为3（实际上是4个RGBA，但我正在去除alpha通道）。 - J.Down

那么，你从刚刚编辑的样本数据中应该得到多少个这样的子矩阵？ - Divakar

哦，抱歉...等一下。我编辑了上面的帖子。 现在...它是正确的...应该是9个子矩阵。输入形状将始终具有深度3。子矩阵不能重叠。 - J.Down

我猜我们对“滑动”这个术语不是很清楚。所以，让我换一个不同的术语——我们是在寻找沿着输入数组的三个维度滑动的重叠块还是不同的块？ - Divakar

Answer 1

方法 #1

我假设我们正在寻找非重叠/不同的块。因此，我们可以使用Scikit-image的view_as_blocks工具 -

from skimage.util.shape import view_as_blocks

BSZ = (6,3,3)
out = view_as_blocks(a,BSZ).reshape((-1,)+ (BSZ))

样例运行 -

In [279]: a = np.random.rand(6*3,3*3,3)

In [280]: out = view_as_blocks(a,BSZ).reshape((-1,)+ (BSZ))

In [281]: out.shape
Out[281]: (9, 6, 3, 3)

---

方法二

只使用NumPy原生工具，如重塑（reshaping）和转置（transpose），以下是一种方式 -

m,n,r = a.shape
split_shp = m//BSZ[0], BSZ[0], n//BSZ[1], BSZ[1], r//BSZ[2], BSZ[2]
out = a.reshape(split_shp).transpose(0,2,4,1,3,5).reshape((-1,)+ (BSZ))

- Divakar

---

有什么我应该担心的吗？ - J.Down

如警告消息所述，我猜测您的输入不是连续的，这取决于输入源。因此，为了安全起见，我认为您可以选择第二个应用程序，因为内部第一个应用程序正在做类似的事情。 - Divakar

out = matrix.reshape(split_shp).transpose(0,2,4,1,3,5).reshape((-1,)+ (BSZ)) ValueError: total size of new array must be unchanged - J.Down

啊，是的，我得修复一些东西... 我更喜欢方法1而不是方法2，因为它更易读。能否让它更易读一些？ - J.Down

@J.Down 嗯，我认为那是我能做到的最好的了 :) - Divakar