Question

以下是我打算做的一个例子。我有输入数据，如下所示：

data = array([0,1,2,3,4,5,6,7,8,9])

我需要做的是总结前两个值，然后是下两个值，依此类推。所以结果如下：

result = array([1,5,9,13,17])

这就是我所说的＆＃39;挤压＆＃39;

我有一个大小为4096的numpy数组。我需要将数组压缩到2048,1024或512的大小。它实际上是能谱，其中阵列的指数给出ADC通道号。并且该值给出了光子计数。要做到这一点，我就是这样做的。

 # tdspec is input array of size 4096
 spec_bin_size = 1024
 spect = n.zeros(spec_bin_size)
 i = 0
 j=0
 interval = 4096/spec_bin_size
 while j < spec_bin_size:
     a = n.sum(tdspec[i:i+interval])
     spect[j] = a
     i = i+interval
     j = j+1

它运作良好，但现在我需要在许多光谱上运行这个循环，我担心它会很慢。任何人都可以告诉我，如果有一个numpy / scipy操作可以做到这一点吗？

Answer 1

让我们定义你的数组：

>>> import numpy as np
>>> data = np.array([0,1,2,3,4,5,6,7,8,9])

为了得到你想要的东西：

>>> np.sum(data.reshape(5, 2), axis=1)
array([ 1,  5,  9, 13, 17])

或者，如果我们想要重塑为我们计算其中一个维度，请为该维度指定-1：

>>> np.sum(data.reshape(-1, 2), axis=1)
array([ 1,  5,  9, 13, 17])

>>> np.sum(data.reshape(5, -1), axis=1)
array([ 1,  5,  9, 13, 17])

使用scipy

Scipy有各种各样的可用。要模拟上面的过滤器，例如：

>>> import scipy.ndimage.filters as filters
>>> filters.convolve1d(data, [1,1])
array([ 1,  3,  5,  7,  9, 11, 13, 15, 17, 18])

或者，只需选择所有其他元素即可获得之前的结果：

>>> filters.convolve1d(data, [1,1])[::2]
array([ 1,  5,  9, 13, 17])

有关其他过滤器，请参阅scipy.ndimage.filters。

您使用的大礼帽过滤器可能会导致虚假伪影。高斯滤波器通常是更好的选择。

挤压一个numpy阵列

1 个答案:

使用scipy