NumPy数组的维度滚动/增加

Question

NumPy数组的维度滚动/增加

4

我目前正在尝试找到在Python中对N维数组执行以下操作的简单方法。为了简单起见，让我们从一个大小为4的一维数组开始。

X = np.array([1,2,3,4])

我想做的是创建一个新数组，叫做Y，使得：

Y = np.array([1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3])

我想要做的是创建一个数组Y，使得：

Y[:,i] = np.roll(X[:],-i, axis = 0)

我知道如何使用for循环来完成这个任务，但我正在寻找一种更快的方法。我要处理的数组实际上是一个三维数组，称之为X。我正在寻找一种找到一个数组Y的方法，使得：

Y[:,:,:,i,j,k] = np.roll(X[:,:,:],(-i,-j,-k),axis = (0,1,2))

我可以使用itertools.product类和for循环来完成这个任务，但是这样做非常慢。如果有更好的方法，请告诉我。我还安装了CUPY和GTX-970，如果有一种使用CUDA更快速地完成此任务的方法，请告诉我。如果需要更多上下文，请告诉我。

以下是计算位置空间两点关联函数的原始代码。数组x0是一个n乘以n乘以n的实值数组，表示实标量场。函数iterate(j,s)运行j次迭代。每次迭代都会为每个晶格点生成一个介于-s和s之间的随机浮点数。然后它计算作用量的变化dS，并以min(1,exp^(-dS))的概率接受变化。

def momentum(k,j,s):
global Gxa
Gx = numpy.zeros((n,n,t))
for i1 in range(0,k):
    iterate(j,s)
    for i2,i3,i4 in itertools.product(range(0,n),range(0,n),range(0,n)):
        x1 = numpy.roll(numpy.roll(numpy.roll(x0, -i2, axis = 0),-i3, axis = 1),-i4,axis = 2)
        x2 = numpy.mean(numpy.multiply(x0,x1))
        Gx[i2,i3,i4] = x2
    Gxa = Gxa + Gx
Gxa = Gxa/k

- chuckstables

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Divakar · Accepted Answer

方法一

我们可以将这个想法扩展到我们的3D数组案例中。因此，只需沿着三个维度连接切片版本，然后使用基于np.lib.stride_tricks.as_strided的scikit-image的view_as_windows来高效地将最终输出作为连接版本的步幅视图获取，如下所示-

from skimage.util.shape import view_as_windows

X1 = np.concatenate((X,X[:,:,:-1]),axis=2)
X2 = np.concatenate((X1,X1[:,:-1,:]),axis=1)
X3 = np.concatenate((X2,X2[:-1,:,:]),axis=0)
out = view_as_windows(X3,X.shape)

方法 #2

对于非常大的数组，我们可能希望初始化输出数组，然后重新使用上一个方法中的 X3 进行切片赋值。这个切片过程比原始的滚动方式更快。实现方式如下：

m,n,r = X.shape
Yout = np.empty((m,n,r,m,n,r),dtype=X.dtype)
for i in range(m):
    for j in range(n):
        for k in range(r):
            Yout[:,:,:,i,j,k] = X3[i:i+m,j:j+n,k:k+r]