Question

这可能是一个重复的问题，但我无法找到我需要的确切解决方案。

我试图将每N行（在本例中为4）加在一起。因此，在8乘9矩阵中，我最终得到一个2乘9阵列，即将0-3行加在一起然后将行4-7加在一起。现在，这是我的解决方案，但有没有办法不使用列表理解？是否有更“笨拙”的方式来做到这一点？因为我最终得到了2个1乘9阵列的列表，而不是一个2乘9的阵列。

输入数组不是固定为8乘9，它可以是12乘9或28乘9但输入数组的总行数总是N的整数倍（其中在这个例子中是8并且N = 4）

>>> import numpy as np
>>> a = np.arange(72).reshape(8,9)
>>> 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, 24, 25, 26],
   [27, 28, 29, 30, 31, 32, 33, 34, 35],
   [36, 37, 38, 39, 40, 41, 42, 43, 44],
   [45, 46, 47, 48, 49, 50, 51, 52, 53],
   [54, 55, 56, 57, 58, 59, 60, 61, 62],
   [63, 64, 65, 66, 67, 68, 69, 70, 71]])

>>> b = [a[i:(i+1)*4,:] for i in range(0,len(a),4)]

>>> b
   [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, 24, 25, 26],
   [27, 28, 29, 30, 31, 32, 33, 34, 35]]), 
   array([[36, 37, 38, 39, 40, 41, 42, 43, 44],
   [45, 46, 47, 48, 49, 50, 51, 52, 53],
   [54, 55, 56, 57, 58, 59, 60, 61, 62],
   [63, 64, 65, 66, 67, 68, 69, 70, 71]])]

>>> b = [np.sum(a[i:(i+1)*4,:],axis=0) for i in range(0,len(a),4)]

>>> b

>>>[array([54, 58, 62, 66, 70, 74, 78, 82, 86]), array([198, 202, 206, 210, 
   214, 218, 222, 226, 230])]

Answer 1

In [120]: a
Out[120]:
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, 24, 25, 26],
       [27, 28, 29, 30, 31, 32, 33, 34, 35],
       [36, 37, 38, 39, 40, 41, 42, 43, 44],
       [45, 46, 47, 48, 49, 50, 51, 52, 53],
       [54, 55, 56, 57, 58, 59, 60, 61, 62],
       [63, 64, 65, 66, 67, 68, 69, 70, 71]])

In [121]: a.reshape((2, 4, 9)).sum(axis=1)
Out[121]:
array([[ 54,  58,  62,  66,  70,  74,  78,  82,  86],
       [198, 202, 206, 210, 214, 218, 222, 226, 230]])

Answer 2

重塑以将第一个轴分成两个，这样后一个轴的长度等于窗口长度= 4，给我们一个3D数组，然后沿着那个数相加，就像这样 -

a.reshape(-1,4,a.shape[-1]).sum(1)

它适用于通用形状的数组，在重塑方法中使用-1，因为它计算自己的拆分/重新整形版本中第一个轴的长度，为我们提供了一个通用的解决方案。

运行示例以明确事项 -

# Input array with 8 rows
In [15]: a = np.arange(72).reshape(8,9)

# Get output shape
In [16]: a.reshape(-1,4,a.shape[-1]).sum(1).shape
Out[16]: (2, 9)

# Input array with 28 rows
In [17]: a = np.arange(28*9).reshape(28,9)

# Get output shape
In [18]: a.reshape(-1,4,a.shape[-1]).sum(1).shape
Out[18]: (7, 9)

在NumPy数组

2 个答案: