按块分割numpy数组

简单地重塑为 2D 将前N3列切片-

bb = aa.reshape(N1,N2)[:,:N3].ravel()

什么时候? N3 超过 N2

如果 N3号 超过 氮气 ,那些 aa[i * N2:(i * N2) + N3] 在迭代中会有重叠。为了解决这种情况,我们可以创建滑动窗口,然后对行进行切片,直到有足够的长度,然后对剩余的窗口进行循环。-

from skimage.util.shape import view_as_windows

starts = np.arange(len(aa), step=N2)
lens = len(aa) - np.arange(len(aa), step=N2)
rem_lens = lens[lens < N3]
m0 = lens < N3

l1 = N3*(~m0).sum()
l2 = rem_lens.sum() 
out = np.empty(l1+l2, dtype=aa.dtype)
out[:l1] = view_as_windows(aa,(N3))[::N2].ravel()
rem_starts = starts[m0]
ss = l1+np.r_[0,rem_lens.cumsum()]
for s,i,j in zip(rem_starts, ss[:-1], ss[1:]):
    out[i:j] = aa[s:]

你可以通过改变数组的形状来做得更优雅首先将初始阵列设为二维:

N1, N2, N3 = 200, 500000, 30
aa = np.random.uniform(0., 1., (N1, N2))

现在只需要去掉一大块 N3 沿着第二维度:

bb = aa[:, :N3]

如果你需要 bb 要平坦,就要:

bb = aa[:, :N3].ravel()

你可以用纽比的 array_split 或 split 做同样的事情要简单一点。

不过,这可能不会比 有效率的 是的。

存储一堆数组切片 aa[i * N2:(i * N2) + N3] 是切片数的线性时间。在NumPy中执行这个循环(因此在C循环中而不是Python循环中,假设您使用的是CPython)会快一点但除非你有大量的切片,否则这可能无关紧要。

但是,将每个切片转换为一个列表 list(aa[i * N2:(i * N2) + N3]) 然后扩展现有的列表是非常缓慢的。它可能会占用你99%以上的时间,所以优化另外1%是无关紧要的。NumPy无法加速将每个片段转换为列表。

所以,如果你真的不需要名单,就别打电话了 list 是的。您只需使用数组列表和 chain 根据需要将它们组合在一起,或者您可以构建 a custom-strided array 在数组列表之外,或者您可以 ravel 原始数组变成你想要的形状。

如果你 做 需要一个列表,这本来就很慢,你没什么办法。