python – 遍历ndarray的切片

发布时间：2020-12-20 11:28:04 所属栏目：Python 来源：网络整理

导读：假设我有一个3D numpy.array,例如对于尺寸x y z,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,该示例是dim = 3数组,即shape =(len_x,len_y,len_z). Elazar和等效kamjagin的解决方案有

假设我有一个3D numpy.array,例如对于尺寸x y z,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,该示例是dim = 3数组,即shape =(len_x,len_y,len_z). Elazar和等效kamjagin的解决方案有效,但不是那么通用 – 你必须手工构建[：,：,i],这意味着你需要知道维度,而且代码不够通用来处理数组任意尺寸.您可以使用[…,：]之类的东西填充缺失的维度,但是您仍然需要自己构建它.

对不起,应该更清楚,这个例子有点太简单了！

解决方法

迭代第一维很容易,见下文.要迭代其他维度,请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,比较大型阵列的不同方法：

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,best of 3: 26.7 us per loop

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!