如果
窗口 没有重叠,您可以重新调整数据以适应您的需要:
查找 9x9 数组的 3x3 窗口的均值。
import numpy as np
>>> 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, 24, 25, 26],
[27, 28, 29, 30, 31, 32, 33, 34, 35],
[36, 37, 38, 39, 40, 41, 42, 43, 44],
[45, 46, 47, 48, 49, 50, 51, 52, 53],
[54, 55, 56, 57, 58, 59, 60, 61, 62],
[63, 64, 65, 66, 67, 68, 69, 70, 71],
[72, 73, 74, 75, 76, 77, 78, 79, 80]])
找到新的形状
>>> window_size = (3,3)
>>> tuple(np.array(a.shape) / window_size) + window_size
(3, 3, 3, 3)
>>> b = a.reshape(3,3,3,3)
在第一和第三个轴上找到平均值。
>>> b.mean(axis = (1,3))
array([[ 10., 13., 16.],
[ 37., 40., 43.],
[ 64., 67., 70.]])
>>>
4x4数组的2x2窗口:
>>> a = np.arange(16).reshape((4,4))
>>> window_size = (2,2)
>>> tuple(np.array(a.shape) / window_size) + window_size
(2, 2, 2, 2)
>>> b = a.reshape(2,2,2,2)
>>> b.mean(axis = (1,3))
array([[ 2.5, 4.5],
[ 10.5, 12.5]])
>>>
如果窗口大小不能整除数组大小,则无法正常工作。在这种情况下,您需要在窗口中添加一些重叠或者如果您只想要重叠,则可以使用
numpy.lib.stride_tricks.as_strided
- 可以在
Efficient Overlapping Windows with Numpy找到通用的N-D函数。
2D数组的另一个选项是sklearn.feature_extraction.image.extract_patches_2d,ndarray的选项是sklearn.feature_extraction.image.extract_patches。每个都会调整数组的步幅以产生补丁/窗口。
as_strided
解决方案是你最好的选择。 这里还有另一个使用as_strided
的解决方案:http://stackoverflow.com/a/26848312/2823755 - wwii