Python/Numpy：在多维数组中按行组合分组列中的布尔掩码

Question

我有一个三维布尔数组（布尔掩码数组的二维numpy数组），其中有r行和c列。在下面的示例中，阵列形状为（3,6,2）；3行6列，其中每列包含2个元素

maskArr = np.array([
                     [[True, False], [True, True], [True, True], [True, True], [True, True], [True, True]],
                     [[False, True], [False, True], [True, True], [False, True], [True, True], [True, True]],
                     [[True, False], [True, True], [True, True], [True, True], [True, True], [True, True]],
                  ])

           # If n=2:  |<-   AND   these 2 cols  ->|<-   AND   these 2 cols  ->|<-   AND   these 2 cols  ->|

           # If n=3:  |<-----       AND  these 3 cols    ----->|<-----      AND   these 3 cols     ----->|

我知道我可以使用np.all(maskArr, axis=1)到and一起所有每行as in previous answer中的掩码数组，但是我希望以n列的增量将每行中的布尔数组一起and

因此，如果我们从6列开始，如上所述，并且n=2，我想对每2列应用np.all的等价物，得到3列的最终结果，其中：

1. 结果数组的第一列等于原始数组的前（2）列的行AND合并在一起-result[:,0] = np.all(maskArr[:,0:1], axis=1)
2. 结果数组的第二列等于原始数组的第二（2）列的行AND合并在一起。-result[:,1] = np.all(maskArr[:,2:3], axis=1)
3. 结果数组的第三列等于原始数组的最后（2）列的行ANDresult[:,2] = np.all(maskArr[:,4:5], axis=1)

有没有办法使用np.all（或其他矢量化方法）来获得这个结果

预期结果与n=2：

>>>    np.array([
                     [[True, False], [True, True], [True, True]],
                     [[False, True], [False, True], [True, True]],
                     [[True, False], [True, True], [True, True]],
               ])

注意：我正在使用的阵列非常大，因此我正在寻找一种矢量化方法来最小化性能影响。实际的布尔数组可以有数千个元素长

我试过：

n = 2
c = len(maskArr[0])      ## c = 6  (number of columns)
nResultColumns = int(c / n)   ## nResultColumns = 3

combinedMaskArr = [np.all(maskArr[:,i*n:i*n+n], axis=1) for i in range(nResultColumns)]

这给了我：

>>>  [
         array([[True, False], [False, True], [True, False]]), 
         array([[True, True], [False, True], [True, True]]), 
         array([[True, True], [True, True], [True, True]])
     ]

上面的输出不是预期的格式或值

关于如何达到预期结果，有何指导或建议

先谢谢你

Answer 1

如果我正确理解了你的问题，下面的方法是有效的

n = 2
cols = mask_arr.shape[1]
chunks = math.ceil(cols / n)
groups = np.array_split(np.swapaxes(mask_arr, 0, 1), chunks)
combined = np.array([np.all(g, axis=0) for g in groups])
result = np.swapaxes(combined, 0, 1)

如果cols可被n整除，我认为这是可行的：

n = 2
rows, cols = mask_arr.shape[0:2]
result = np.all(mask_arr.reshape(rows, cols // n, n, -1), axis=2)