9

假设我有一个 3D numpy.array，例如尺寸为 xyz，有没有办法沿特定轴迭代切片？就像是：

for layer in data.slices(dim=2):
    # do something with layer

编辑：为了澄清，这个例子是一个dim = 3数组，即shape =（len_x，len_y，len_z）。Elazar 和等效 kamjagin 的解决方案有效，但不是那么普遍 - 你必须构建[:, :, i]手动构建，这意味着您需要知道维度，并且代码不够通用，无法处理任意维度的数组。您可以使用类似的东西来填充缺失的维度[..., :]，但您仍然必须自己构建它。

对不起，应该更清楚，例子有点太简单了！

4

5 回答 5

11

迭代第一个维度非常容易，见下文。要迭代其他维度，将该维度滚动到前面并执行相同操作：

>>> data = np.arange(24).reshape(2, 3, 4)
>>> for dim_0_slice in data: # the first dimension is easy
...     print dim_0_slice
... 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]
>>> for dim_1_slice in np.rollaxis(data, 1): # for the others, roll it to the front
...     print dim_1_slice
... 
[[ 0  1  2  3]
 [12 13 14 15]]
[[ 4  5  6  7]
 [16 17 18 19]]
[[ 8  9 10 11]
 [20 21 22 23]]
>>> for dim_2_slice in np.rollaxis(data, 2):
...     print dim_2_slice
... 
[[ 0  4  8]
 [12 16 20]]
[[ 1  5  9]
 [13 17 21]]
[[ 2  6 10]
 [14 18 22]]
[[ 3  7 11]
 [15 19 23]]

编辑一些时间，比较大型数组的不同方法：

In [7]: a = np.arange(200*100*300).reshape(200, 100, 300)

In [8]: %timeit for j in xrange(100): a[:, j]
10000 loops, best of 3: 60.2 us per loop

In [9]: %timeit for j in xrange(100): a[:, j, :]
10000 loops, best of 3: 82.8 us per loop

In [10]: %timeit for j in np.rollaxis(a, 1): j
10000 loops, best of 3: 28.2 us per loop

In [11]: %timeit for j in np.swapaxes(a, 0, 1): j
10000 loops, best of 3: 26.7 us per loop
于 2013-06-27T23:11:45.100 回答
2

这可能比这更优雅地解决，但如果您事先知道 dim（例如 2），一种方法是：

for i in range(data.shape[dim]):
    layer = data[:,:,i]

或者如果暗淡=0

for i in range(data.shape[dim]):
    layer = data[i,:,:]

等等

于 2013-06-27T22:57:11.837 回答
0

类似的东西？

>>> data = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> for layer in [data[:,i] for i in range(3)]:
...     print layer
... 
[1 4 7]
[2 5 8]
[3 6 9]
于 2013-06-27T22:55:47.427 回答
0

如果我错了，请纠正我，但在我看来，您的 3D 阵列看起来像：

>>> my_array.shape
    (3,N)

其中 N 是数组的大小。所以如果你想迭代一维，你可以这样做：

>>> for item in my_array[1,:]:

这将迭代第二个维度。

于 2013-06-27T22:56:30.880 回答
0

我认为最初的问题是模棱两可的，标题也是如此：

  • 对所有 k 进行迭代会x[k,:,:,...]产生与 一样多的项目，因此我将其称为对维度x.shape[0]的迭代；
  • 相反，在我的脑海中迭代切片意味着迭代x[:,i,j,k,...]所有 i,j,k。例如，遍历 ndarray 中的所有列。

尽管这不是 OP 所要求的（在澄清之后），但寻找后者解决方案的人可能会发现以下代码很有用：

from itertools import product

def iterslice(x,axis=0):
    sub = [ range(s) for s in x.shape ]
    sub[axis] = (slice(None),)
    for p in product(*sub):
        yield x[p]
于 2022-01-22T08:01:23.743 回答