减少numpy阵列采样的最佳方法是什么？

Question

我有一个三维的numpy数组，形状为Nx64x64。我想通过取平均值，在维度1和维度2上对其进行下采样，得到一个新的数组，其形状为nx8x8x8。在

我有几个可行的实现，但我觉得必须有一个更简洁的方法来实现它。在

我最初试着用np.拆分公司名称：

def subsample(inparray, n):
    inp = inparray.copy()
    res = np.moveaxis(np.array(np.hsplit(inp, inp.shape[1]/n)), 1, 0)
    res = np.moveaxis(np.array(np.split(res, inp.shape[2]/n, axis=3)), 1, 0)
    res = np.mean(res, axis=(3,4))
    return res

我还尝试使用普通索引：

^{pr2}$

我想知道itertools.groupby，但看起来也很复杂。在

有人知道干净的解决方案吗？在

Answer 1

您可以使用zoom - scipy.ndimage。 此库允许您沿任意3个轴缩放。在

Answer 2

整形将最后两个轴再拆分为两个，使后两个轴的长度等于块大小，给我们一个5D数组，然后沿着第三个和第五个轴使用mean

BSZ = (8,8)
m,n = a.shape[1:]
out = a.reshape(N,m//BSZ[0],BSZ[0],n//BSZ[1],BSZ[1]).mean(axis=(2,4))

在块大小较小的较小数组上运行示例(2,2)-

1）输入：

^{pr2}$

2）手动校验输出值少：

In [274]: a[0,:2,:2].mean()
Out[274]: 2.5

In [275]: a[0,:2,2:4].mean()
Out[275]: 5.75

In [276]: a[0,:2,4:6].mean()
Out[276]: 5.0

In [277]: a[0,2:4,:2].mean()
Out[277]: 3.5

3）使用建议的方法并手动验证：

In [278]: BSZ = (2,2)

In [279]: m,n = a.shape[1:]

In [280]: a.reshape(N,m//BSZ[0],BSZ[0],n//BSZ[1],BSZ[1]).mean(axis=(2,4))
Out[280]: 
array([[[ 2.5 ,  5.75,  5.  ],
        [ 3.5 ,  0.75,  2.25],
        [ 5.25,  4.  ,  5.5 ]],

       [[ 3.5 ,  5.5 ,  4.25],
        [ 2.75,  6.75,  4.  ],
        [ 4.75,  3.  ,  4.25]]])