numpy的重排的2D阵列(Numpy rebinning a 2D array)

我要寻找一个快速的配方做了2D numpy的阵列的数值分级。通过分档我的意思是小矩阵计算平均值或累积值。对于前。 X = numpy.arange（16）.reshape（4,4）将被分裂在4子矩阵每个2×2的，并给出numpy.array（[[2.5,4.5]，[10.5,12.5]]），其中2.5 = numpy的。平均（[0,1,4,5]）等...

如何以高效的方式执行这样的操作......我没有任何真正的ideay如何执行此...

非常感谢...

Answer 1:

您可以使用阵列的高维视图，并采取沿额外维度的平均：

In [12]: a = np.arange(36).reshape(6, 6)

In [13]: a
Out[13]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23],
       [24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35]])

In [14]: a_view = a.reshape(3, 2, 3, 2)

In [15]: a_view.mean(axis=3).mean(axis=1)
Out[15]: 
array([[  3.5,   5.5,   7.5],
       [ 15.5,  17.5,  19.5],
       [ 27.5,  29.5,  31.5]])

在一般情况下，如果你想要的形状箱(a, b)为数组(rows, cols)你对它的重塑应该是.reshape(rows // a, a, cols // b, b) 还要注意的顺序.mean是重要的，例如a_view.mean(axis=1).mean(axis=3)会产生一个错误，因为a_view.mean(axis=1)仅具有三个维度，但a_view.mean(axis=1).mean(axis=2)将正常工作，但它使我们更难明白是怎么回事。

由于是，上面的代码只适用，如果你能适应箱的整数倍的数组内，也就是说，如果a分裂rows和b分cols 。有一些方法可以处理其他案件，但你必须定义要则行为。

Answer 2:

见的SciPy的食谱上重新分组，它提供了这个片断：

def rebin(a, *args):
    '''rebin ndarray data into a smaller ndarray of the same rank whose dimensions
    are factors of the original dimensions. eg. An array with 6 columns and 4 rows
    can be reduced to have 6,3,2 or 1 columns and 4,2 or 1 rows.
    example usages:
    >>> a=rand(6,4); b=rebin(a,3,2)
    >>> a=rand(6); b=rebin(a,2)
    '''
    shape = a.shape
    lenShape = len(shape)
    factor = asarray(shape)/asarray(args)
    evList = ['a.reshape('] + \
             ['args[%d],factor[%d],'%(i,i) for i in range(lenShape)] + \
             [')'] + ['.sum(%d)'%(i+1) for i in range(lenShape)] + \
             ['/factor[%d]'%i for i in range(lenShape)]
    print ''.join(evList)
    return eval(''.join(evList))