重塑数据跳过特定数量的点答案

【问题标题】：Reshape data skipping specific number of points重塑数据跳过特定数量的点
【发布时间】：2020-11-05 10:23:20
【问题描述】：

我有一个 1024^3 的数据集要读取。但是这个数组太大了，所以我想每 2^n 点保存一次数据。比如我设置skip = 2，那么数组就是512^3。

import numpy as np
nx = 1024
filename = 'E:/AUTOIGNITION/Z1/Velocity1_inertHIT.bin'
U = np.fromfile(filename, dtype=np.float32, count=nx**3).reshape(nx, nx, nx)

如何使用 reshape 来做到这一点？

【问题讨论】：

标签： python numpy

【解决方案1】：

如果我理解正确，您希望在 3 个维度中的每个维度中对数组的每个 (2^n):th 值进行采样。

您可以通过如下索引来做到这一点。

>>> import numpy as np
>>> n = 1
>>> example_array = np.zeros((1024,1024,1024))
>>> N = 2^n
>>> example_array_sampled = example_array[::N, ::N, ::N]
>>> example_array_sampled.shape
(512, 512, 512)

验证它实际上是否均匀采样：

>>> np.arange(64).reshape((4,4,4))[::2,::2,::2]
array([[[ 0,  2],
        [ 8, 10]],

       [[32, 34],
        [40, 42]]])

此特定代码仍假定您将在对它进行索引之前读取内存中的整个数组。而变量example_array_sampled 将是原始数组的视图。

有关索引 numpy 数组的更多信息：https://numpy.org/doc/stable/reference/arrays.indexing.html

关于 numpy 视图的一些信息：https://scipy-cookbook.readthedocs.io/items/ViewsVsCopies.html

相关问题（一维）：subsampling every nth entry in a numpy array

【讨论】：