如何高效地从NumPy数组中访问多个切片？

Question

目前我正在按以下方式访问多个切片：

首先，我分配一个数组，该数组将被多次重新分配

X = np.zeros( (batch_size, window, 5) )

这是将被多次执行的分配循环（batch_indices每次具有不同的索引，但相同的形状）：

for i, b in enumerate(batch_indices):
    X[i] = Xs[b:b+window]

有更高效的方法吗？我感觉应该有类似于以下语法：

X = Xs[ [slice(b,b+window) for b in batch_indices] ]

尽管Xs的形状是二维的，但X的最终形状应该是一个三维的np.array。可以这样理解：Xs是一个长的多维时间序列，而X需要是一个包含多个多维时间序列切片的numpy数组。

- jamis

---

你有查看过 numpy 迭代器 吗？ - Francesco Montesano

你尝试过布尔索引吗？值得进行性能检查... - Raf

发布的解决方案对您有用吗？ - Divakar

Answer 1

方法一

一种向量化的方法是创建所有这些滑动窗口索引，并使用这些索引访问Xs。示例如下：

X = Xs[np.asarray(batch_indices)[:,None] + np.arange(window)]

---

方法二

另一种内存高效的方法是使用np.lib.stride_tricks.as_strided创建滑动窗口，从而避免像前面的方法那样创建滑动窗口索引，并简单地使用batch_indices进行索引，如下所示 -

X = strided_axis0(Xs,window)[np.asarray(batch_indices)]

基于步幅的函数 strided_axis0 来自这里。

- Divakar