2

背景： 我正在使用的数据是从一个netCDF4对象中提取的，该对象在初始化时创建了一个 numpy 掩码数组，但似乎不支持 numpyreshape()方法，因此只能在复制所有数据后重新整形=方式太减缓。

问题：如何对一维数组（基本上是一个扁平的二维数组）进行二次采样，而不对其进行整形？

import numpy

a1 = np.array([[1,2,3,4],
               [11,22,33,44],
               [111,222,333,444],
               [1111,2222,3333,4444],
               [11111,22222,33333,44444]])

a2 = np.ravel(a1)

rows, cols = a1.shape

row1 = 1
row2 = 3

col1 = 1
col2 = 3

我想使用一种不需要将一维数组重塑为二维数组的快速切片方法。

期望的输出：

np.ravel(a1[row1:row2, col1:col2])

>> array([ 22,  33, 222, 333])

我得到了开始和结束位置，但这只是选择这些点之间的所有数据（即额外的列）。

idx_start = (row1 * cols) + col1
idx_end   = (row2 * cols) + col2

更新： 我刚刚尝试了Jaime 的精彩回答，但似乎netCDF4不允许二维索引。

z = dataset.variables["z"][idx]
  File "netCDF4.pyx", line 2613, in netCDF4.Variable.__getitem__ (netCDF4.c:29583)
  File "/usr/local/lib/python2.7/dist-packages/netCDF4_utils.py", line 141, in _StartCountStride
    raise IndexError("Index cannot be multidimensional.")
IndexError: Index cannot be multidimensional.
4

3 回答 3

1

np.ogrid您可以通过和的组合获得您想要的np.ravel_multi_index：

>>> a1
array([    1,     2,     3,     4,    11,    22,    33,    44,   111,
         222,   333,   444,  1111,  2222,  3333,  4444, 11111, 22222,
       33333, 44444])
>>> idx = np.ravel_multi_index((np.ogrid[1:3,1:3]), (5, 4))
>>> a1[idx]
array([[ 22,  33],
       [222, 333]])

如果这就是你所追求的，你当然可以解开这个数组以获得一维回报。另请注意，这是原始数据的副本，而不是视图。

编辑您可以保持相同的一般方法，替换np.ogrid并np.mgrid重塑它以获得平坦的回报：

>>> idx = np.ravel_multi_index((np.mgrid[1:3,1:3].reshape(2, -1)), (5, 4))
>>> a1[idx]
array([ 22,  33, 222, 333])
于 2013-04-26T15:47:09.593 回答
0

我想出了这个，虽然它没有复制所有数据，但它仍然将我不想要的数据复制到内存中。这可能可以改进，我希望有更好的解决方案。

zi = 0 
# Create zero array with the appropriate length for the data subset
z = np.zeros((col2 - col1) * (row2 - row1))
# Process number of rows for which data is being extracted
for i in range(row2 - row1):
    # Pull row, then desired elements of that row into buffer
    tmp = ((dataset.variables["z"][(i*cols):((i*cols)+cols)])[col1:col2])
    # Add each item in buffer sequentially to data array
    for j in tmp:
        z[zi] = j 
        # Keep a count of what index position the next data point goes to
        zi += 1
于 2013-04-26T17:17:23.180 回答
0

这是一个精益建议

a1 = np.array([[1,2,3,4],
               [11,22,33,44],
               [111,222,333,444],
               [1111,2222,3333,4444],
               [11111,22222,33333,44444]])

row1 = 1; row2 = 3; ix = slice(row1,row2)
col1 = 1; col2 = 3; iy = slice(col1,col2)
n = (row2-row1)*(col2-col1)

print(a1[ix,iy]);    print()
print(a1[ix,iy].reshape(1,n))
.
[[ 22  33]
 [222 333]]

[[ 22  33 222 333]]

Python 中的 reshape 并不昂贵，而且slice 很快。

于 2017-07-25T08:25:34.727 回答