"numpy的步幅是否只能在子阵列内跨越？"

Question

我有一个非常大的numpy数组（145000行*550 cols）。我想在子阵列中创建滚动切片。我试着用一个函数来实现它。函数lagged_vals的行为与预期一致，但np.lib.stride_tricks的行为方式与我希望的不同-

def lagged_vals(series,l):
# Garbage implementation but still right
    return np.concatenate([[x[i:i+l] for i in range(x.shape[0]) if i+l <= x.shape[0]] for x in series]
                          ,axis = 0)

# Sample 2D numpy array
something = np.array([[1,2,2,3],[2,2,3,3]])
lagged_vals(something,2) # Works as expected

# array([[1, 2],
#     [2, 2],
#     [2, 3],
#     [2, 2],
#     [2, 3],
#     [3, 3]])


np.lib.stride_tricks.as_strided(something,
                               (something.shape[0]*something.shape[1],2),
                               (8,8))

# array([[1, 2],
#        [2, 2],
#        [2, 3],
#        [3, 2], <--- across subarray stride, which I do not want
#        [2, 2],
#        [2, 3],
#        [3, 3])

如何删除np.lib.stride_tricks实现中的特定行？一个大的移动阵列怎么能跨过这个阵列？在

Answer 1

当然，使用^{}是可能的。有一种方法-

from numpy.lib.stride_tricks import as_strided

L = 2 # window length
shp = a.shape
strd = a.strides

out_shp = shp[0],shp[1]-L+1,L
out_strd = strd + (strd[1],)

out = as_strided(a, out_shp, out_strd).reshape(-1,L)

样本输入，输出-

^{pr2}$

请注意，整形的最后一步强制它在那里制作一个副本。但是如果我们需要最终的输出是2D，这是无法避免的。如果我们可以使用3D输出，则跳过该整形操作，从而实现view，如示例案例所示-

^{3}$