挤压一个numpy数组

Question

这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，然后是接下来的两个值，依此类推。所以结果应该如下。

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

这就是我所说的“挤压”

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，其中阵列的索引给出了 ADC 通道号。该值给出光子计数。 为此，这就是我所做的。

 # 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

效果很好，但现在我需要在多个光谱上运行这个循环，我担心它会很慢。 谁能告诉我是否有一个 numpy/scipy 操作可以做到这一点？

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])

如愿以偿：

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

或者，如果我们想要 reshape 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 有多种可用的。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，只选择所有其他元素以获得先前的结果：

>>> 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。

您使用的顶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。