Python / Numpy：在多维数组的分组列中按行组合布尔掩码

Question

我有一个带有r 行和c 列的 3D 布尔数组（布尔掩码数组的 2D numpy 数组）。在下面的示例中，数组形状为 (3, 6, 2)； 3 行 6 列，每列包含 2 个元素。

maskArr = np.array([
                     [[True, False], [True, True], [True, True], [True, True], [True, True], [True, True]],
                     [[False, True], [False, True], [True, True], [False, True], [True, True], [True, True]],
                     [[True, False], [True, True], [True, True], [True, True], [True, True], [True, True]],
                  ])

           # If n=2:  |<-   AND   these 2 cols  ->|<-   AND   these 2 cols  ->|<-   AND   these 2 cols  ->|

           # If n=3:  |<-----       AND  these 3 cols    ----->|<-----      AND   these 3 cols     ----->|

我知道我可以将np.all(maskArr, axis=1) 到and 一起使用all 每行as in previous answer 中的掩码数组，但是我想and 一起使用每行中的布尔数组以n 列为增量。

因此，如果我们从 6 列开始，如上所述，n=2，我想在每 2 列上应用 np.all 的等价物以获得 3 列的最终结果，其中：

1. 结果数组的第一列等于原始数组AND一起的前 (2) 列的行 - result[:,0] = np.all(maskArr[:,0:1], axis=1)
2. 结果数组的第二列等于原始数组ANDed 的第二 (2) 列的行。 - result[:,1] = np.all(maskArr[:,2:3], axis=1)
3. 结果数组的第三列等于原始数组ANDed 的最后 (2) 列的行。 - result[:,2] = np.all(maskArr[:,4:5], axis=1)

有没有办法使用np.all（或其他矢量化方法）来获得这个结果？

预期结果与n=2：

>>>    np.array([
                     [[True, False], [True, True], [True, True]],
                     [[False, True], [False, True], [True, True]],
                     [[True, False], [True, True], [True, True]],
               ])

注意：我正在使用的数组非常大，因此我正在寻找一种矢量化方法来最大限度地减少对性能的影响。实际的布尔数组可能有数千个元素。

我试过了：

n = 2
c = len(maskArr[0])      ## c = 6  (number of columns)
nResultColumns = int(c / n)   ## nResultColumns = 3

combinedMaskArr = [np.all(maskArr[:,i*n:i*n+n], axis=1) for i in range(nResultColumns)]

这给了我：

>>>  [
         array([[True, False], [False, True], [True, False]]), 
         array([[True, True], [False, True], [True, True]]), 
         array([[True, True], [True, True], [True, True]])
     ]

上面的输出不是预期的格式或值。

关于如何达到预期结果的任何指导或建议？

提前谢谢你。

Answer 1

如果我正确理解了您的问题，以下方法有效。

n = 2
cols = mask_arr.shape[1]
chunks = math.ceil(cols / n)
groups = np.array_split(np.swapaxes(mask_arr, 0, 1), chunks)
combined = np.array([np.all(g, axis=0) for g in groups])
result = np.swapaxes(combined, 0, 1)

如果cols 可以被n 整除，我认为这可行：

n = 2
rows, cols = mask_arr.shape[0:2]
result = np.all(mask_arr.reshape(rows, cols // n, n, -1), axis=2)