从 numpy 数组中采样固定长度的序列

Question

我有一个数据矩阵a，并且我有存储在数组idx 中的索引列表。我想从 idx 定义的每个索引开始获取 10 长度的数据。现在我使用for 循环来实现这一点。但它非常慢，因为我必须在一次迭代中获取大约 1000 次数据。下面是一个最小的工作示例。

import numpy as np
a = np.random.random(1000)
idx = np.array([1, 5, 89, 54])

# I want "data" array to have np.array([a[1:11], a[5:15], a[89:99], a[54:64]])
# I use for loop below but it is slow
data = []

for id in idx:
    data.append(a[id:id+10])  
data = np.array(data)

有没有办法加快这个过程？谢谢。

编辑：我的问题与here 提出的问题不同。在问题中，与我的问题中的固定块大小相比，块的大小是随机的。存在其他差异。我不必用完整个数组a，并且一个元素可以出现在多个块中。我的问题不一定“拆分”数组。

Answer 1

（感谢@MadPhysicist 的建议）

这应该可行：

a[idx.reshape(-1, 1) + np.arange(10)]

输出： 形状(L,10)，其中L是idx的长度

注意事项：

1. 这不会检查索引超出范围的情况。我想首先确保idx 不包含此类值很容易。

2. 使用np.take(a, idx.reshape(-1, 1) + np.arange(10), mode='wrap') 是一种替代方法，它将通过包裹a 来处理越界索引。传递mode='clip' 而不是mode='wrap' 会将多余的索引剪裁到a 的最后一个索引。但是，np.take() 可能会有完全不同的性能。特征/缩放特征。