numpy の 2 次元配列を小さな 2 次元配列にスライスする方法はありますか?
例
[[1,2,3,4], -> [[1,2] [3,4]
[5,6,7,8]] [5,6] [7,8]]
したがって、基本的には 2x4 配列を 2 つの 2x2 配列に切り詰めたいと考えています。画像で使用する一般的なソリューションを探しています。
51844 次
11 に答える
97
数か月前に別の質問reshapeがあり、とを使用するという考えにたどり着きましたswapaxes。これh//nrowsは最初のブロックの行を一緒に保持するため、理にかなっています。また、シェイプの一部であるnrows必要があることも理にかなっています。reshape を有効にするために必要な数を入力するように reshape に指示します。解決策の形で武装して、機能する式が見つかるまで試してみました.ncols-1
reshapeとの組み合わせを使用して、配列を「ブロック」に分割できるはずですswapaxes。
def blockshaped(arr, nrows, ncols):
"""
Return an array of shape (n, nrows, ncols) where
n * nrows * ncols = arr.size
If arr is a 2D array, the returned array should look like n subblocks with
each subblock preserving the "physical" layout of arr.
"""
h, w = arr.shape
assert h % nrows == 0, f"{h} rows is not evenly divisible by {nrows}"
assert w % ncols == 0, f"{w} cols is not evenly divisible by {ncols}"
return (arr.reshape(h//nrows, nrows, -1, ncols)
.swapaxes(1,2)
.reshape(-1, nrows, ncols))
曲がるc
np.random.seed(365)
c = np.arange(24).reshape((4, 6))
print(c)
[out]:
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]
の中へ
print(blockshaped(c, 2, 3))
[out]:
[[[ 0 1 2]
[ 6 7 8]]
[[ 3 4 5]
[ 9 10 11]]
[[12 13 14]
[18 19 20]]
[[15 16 17]
[21 22 23]]]
ここに逆関数unblockshapedを投稿し、ここに N 次元の一般化を投稿しました。一般化すると、このアルゴリズムの背後にある理由についてもう少し洞察が得られます。
スーパーバットフィッシュの
blockwise_view. (より多くの軸を使用して) 別の形式でブロックを配置しますが、(1) 常にビューを返す、(2) 任意の次元の配列を処理できるという利点があります。
于 2013-05-31T13:19:32.867 に答える
8
これは、numpy.splitまたはいくつかのバリアントのタスクのようです。
例えば
a = np.arange(30).reshape([5,6]) #a.shape = (5,6)
a1 = np.split(a,3,axis=1)
#'a1' is a list of 3 arrays of shape (5,2)
a2 = np.split(a, [2,4])
#'a2' is a list of three arrays of shape (2,5), (2,5), (1,5)
NxN 画像がある場合、たとえば、2 つの NxN/2 サブ画像のリストを作成し、それらを他の軸に沿って分割できます。
numpy.hsplitもnumpy.vsplit利用できます。
于 2013-05-31T13:02:53.947 に答える
7
特定のケースにすでに適していると思われる他の回答がいくつかありますが、あなたの質問は、numpyがサポートする最大数の次元まで使用できるメモリ効率の高いソリューションの可能性に興味をそそられ、最終的にほとんどの可能な方法を考え出す午後。(メソッド自体は比較的単純です。numpy がサポートする非常に優れた機能のほとんどをまだ使用していないため、ほとんどの時間は、numpy が利用できるものと、それがどれだけできるかを調べるために調査に費やされました。しなくてもいいです。）
def blockgen(array, bpa):
"""Creates a generator that yields multidimensional blocks from the given
array(_like); bpa is an array_like consisting of the number of blocks per axis
(minimum of 1, must be a divisor of the corresponding axis size of array). As
the blocks are selected using normal numpy slicing, they will be views rather
than copies; this is good for very large multidimensional arrays that are being
blocked, and for very large blocks, but it also means that the result must be
copied if it is to be modified (unless modifying the original data as well is
intended)."""
bpa = np.asarray(bpa) # in case bpa wasn't already an ndarray
# parameter checking
if array.ndim != bpa.size: # bpa doesn't match array dimensionality
raise ValueError("Size of bpa must be equal to the array dimensionality.")
if (bpa.dtype != np.int # bpa must be all integers
or (bpa < 1).any() # all values in bpa must be >= 1
or (array.shape % bpa).any()): # % != 0 means not evenly divisible
raise ValueError("bpa ({0}) must consist of nonzero positive integers "
"that evenly divide the corresponding array axis "
"size".format(bpa))
# generate block edge indices
rgen = (np.r_[:array.shape[i]+1:array.shape[i]//blk_n]
for i, blk_n in enumerate(bpa))
# build slice sequences for each axis (unfortunately broadcasting
# can't be used to make the items easy to operate over
c = [[np.s_[i:j] for i, j in zip(r[:-1], r[1:])] for r in rgen]
# Now to get the blocks; this is slightly less efficient than it could be
# because numpy doesn't like jagged arrays and I didn't feel like writing
# a ufunc for it.
for idxs in np.ndindex(*bpa):
blockbounds = tuple(c[j][idxs[j]] for j in range(bpa.size))
yield array[blockbounds]
于 2013-05-31T20:20:28.650 に答える
3
あなたはこれと実質的に同じ質問をします。np.ndindex()とでワンライナーを使用できますreshape()。
def cutter(a, r, c):
lenr = a.shape[0]/r
lenc = a.shape[1]/c
np.array([a[i*r:(i+1)*r,j*c:(j+1)*c] for (i,j) in np.ndindex(lenr,lenc)]).reshape(lenr,lenc,r,c)
必要な結果を作成するには:
a = np.arange(1,9).reshape(2,1)
#array([[1, 2, 3, 4],
# [5, 6, 7, 8]])
cutter( a, 1, 2 )
#array([[[[1, 2]],
# [[3, 4]]],
# [[[5, 6]],
# [[7, 8]]]])
于 2013-06-01T15:42:07.487 に答える
2
今のところ、大きな 2 次元配列を完全に同じサイズのサブ配列にスライスできる場合にのみ機能します。
コード以下のスライス
a ->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]])
これに
block_array->
array([[[ 0, 1, 2],
[ 6, 7, 8]],
[[ 3, 4, 5],
[ 9, 10, 11]],
[[12, 13, 14],
[18, 19, 20]],
[[15, 16, 17],
[21, 22, 23]]])
pangqブロックサイズを決定する
コード
a = arange(24)
a = a.reshape((4,6))
m = a.shape[0] #image row size
n = a.shape[1] #image column size
p = 2 #block row size
q = 3 #block column size
block_array = []
previous_row = 0
for row_block in range(blocks_per_row):
previous_row = row_block * p
previous_column = 0
for column_block in range(blocks_per_column):
previous_column = column_block * q
block = a[previous_row:previous_row+p,previous_column:previous_column+q]
block_array.append(block)
block_array = array(block_array)
于 2013-05-31T12:01:16.903 に答える
2
マトリックスが均等に分割されていない場合も処理するソリューションが必要な場合は、これを使用できます。
from operator import add
half_split = np.array_split(input, 2)
res = map(lambda x: np.array_split(x, 2, axis=1), half_split)
res = reduce(add, res)
于 2015-10-16T02:59:56.177 に答える
1
これは、行列を均等に分割できない場合を処理するunutbuの回答に基づくソリューションです。この場合、補間を使用する前にマトリックスのサイズを変更します。これには OpenCV が必要です。交換ncolsしnrowsて機能させる必要があったことに注意してください。理由はわかりませんでした。
import numpy as np
import cv2
import math
def blockshaped(arr, r_nbrs, c_nbrs, interp=cv2.INTER_LINEAR):
"""
arr a 2D array, typically an image
r_nbrs numbers of rows
r_cols numbers of cols
"""
arr_h, arr_w = arr.shape
size_w = int( math.floor(arr_w // c_nbrs) * c_nbrs )
size_h = int( math.floor(arr_h // r_nbrs) * r_nbrs )
if size_w != arr_w or size_h != arr_h:
arr = cv2.resize(arr, (size_w, size_h), interpolation=interp)
nrows = int(size_w // r_nbrs)
ncols = int(size_h // c_nbrs)
return (arr.reshape(r_nbrs, ncols, -1, nrows)
.swapaxes(1,2)
.reshape(-1, ncols, nrows))
于 2018-02-23T12:46:32.827 に答える
1
a = np.random.randint(1, 9, size=(9,9))
out = [np.hsplit(x, 3) for x in np.vsplit(a,3)]
print(a)
print(out)
収量
[[7 6 2 4 4 2 5 2 3]
[2 3 7 6 8 8 2 6 2]
[4 1 3 1 3 8 1 3 7]
[6 1 1 5 7 2 1 5 8]
[8 8 7 6 6 1 8 8 4]
[6 1 8 2 1 4 5 1 8]
[7 3 4 2 5 6 1 2 7]
[4 6 7 5 8 2 8 2 8]
[6 6 5 5 6 1 2 6 4]]
[[array([[7, 6, 2],
[2, 3, 7],
[4, 1, 3]]), array([[4, 4, 2],
[6, 8, 8],
[1, 3, 8]]), array([[5, 2, 3],
[2, 6, 2],
[1, 3, 7]])], [array([[6, 1, 1],
[8, 8, 7],
[6, 1, 8]]), array([[5, 7, 2],
[6, 6, 1],
[2, 1, 4]]), array([[1, 5, 8],
[8, 8, 4],
[5, 1, 8]])], [array([[7, 3, 4],
[4, 6, 7],
[6, 6, 5]]), array([[2, 5, 6],
[5, 8, 2],
[5, 6, 1]]), array([[1, 2, 7],
[8, 2, 8],
[2, 6, 4]])]]
于 2020-05-12T11:33:25.090 に答える