我正在寻找一种快速公式来对 2D numpy 数组进行数值分箱。通过分箱,我的意思是计算子矩阵平均值或累积值。例如。x = numpy.arange(16).reshape(4, 4) 将被分成 4 个 2x2 的子矩阵,并给出 numpy.array([[2.5,4.5],[10.5,12.5]]) 其中 2.5=numpy。平均([0,1,4,5])等...
如何以有效的方式执行这样的操作......我真的不知道如何执行这个......
非常感谢...
您可以使用数组的更高维视图并沿额外维度取平均值:
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]])
一般来说,如果你想要(a, b)
数组的形状箱(rows, cols)
,你的重塑应该是.reshape(rows // a, a, cols // b, b)
. 另请注意,的顺序.mean
很重要,例如a_view.mean(axis=1).mean(axis=3)
会引发错误,因为a_view.mean(axis=1)
只有三个维度,虽然a_view.mean(axis=1).mean(axis=2)
可以正常工作,但更难理解发生了什么。
照原样,上面的代码仅在您可以在数组中容纳整数个 bin 时才有效,即 if a
dividesrows
和b
divides cols
。有一些方法可以处理其他情况,但是你必须定义你想要的行为。
请参阅有关 rebinning 的 SciPy Cookbook,其中提供了以下代码段:
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))