Question

假设我有一个数组：

from numpy import *
x = range(16)
x = reshape(x,(4,4))

print x
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]

我想通过定义矩阵的大小（而不是行/列索引）来获得始终位于x中间的较小数组的副本

例如如果我想要一个2x2数组，它将返回：

[[5  6]
 [9 10]]

出于我的目的，我的初始数组较大（4096x4096），我想复制中间正方形数组的副本，大小为（128x128），（256x256），（512x512），（1024x1024）和（2048x2048）。 / p>

我也想保留原始数组，所以我不必只从原始切片中切掉行/列，而是只希望修剪原始副本并保存到新变量中。

我正在考虑定义一些变量，例如（对于2x2情况）：

rows_to_keep = [1,2]
cols_to_keep = [1,2]

然后使用

x[np.ix_(rows_to_keep, columns_to_keep)]

但是，当我的rows_to_keep是最多2048个数字（例如，从4096x4096原始图像中复制128x128正方形我可以创建一个索引列表，该索引从1984年的row / col转到2112：

size_to_keep = 128
indices = np.linspace(0, size_to_keep, size_to_keep, endpoint=False)

rows_to_keep = [(4096/2)-(size_to_keep/2) + i for i in indices]
cols_to_keep = [(4096/2)-(size_to_keep/2) + i for i in indices]

copy_array = x[np.ix_(rows_to_keep, columns_to_keep)]

但是，这又变得混乱/不切实际。我希望有一种更Python化的方式来做到这一点？预先感谢

Answer 1

由于所有索引都是连续的，因此您只需使用适当的slice即可。显然，您无法避免计算极值，仅此而已。

这可以采取以下形式（包括一些代码以确保它适用于size的任何整数值）：

def get_center(arr, size):
    mask = tuple(
        slice(int(dim / 2 - size / 2), int(dim / 2 + size / 2))
        if 0 < size < dim else slice(None)
        for dim in arr.shape)
    return arr[mask].copy()

可以简单地像这样使用：

import numpy as np
dim = 4
x = np.arange(dim * dim).reshape((dim, dim))
y = get_center(x, 2)
# [[ 5,  6],
#  [ 9, 10]]

并按预期工作，但不占用太多内存。

当然，您可能希望调整自己的极值，以按自己喜欢的方式处理奇怪的情况（问题中并未真正定义）。

Answer 2

Numpy可用于视图，这意味着您进行操作

extracted_middle_square = x[1:2,1:2]

您将看到x的视图（不是副本，并且x未被修改）。如果您要创建一个新变量，请

extracted_middle_square = x[1:2,1:2].copy()

这应该可以解决您的问题。

在Python中从较大的（n，n）复制较小的正方形数组（m，m）

2 个答案: