NumPy 数组的反向堆叠操作答案

【问题标题】：Reverse stacking operation on NumPy arrayNumPy 数组的反向堆叠操作
【发布时间】：2019-04-02 20:49:39
【问题描述】：

我有一行代码可以有效地将一个 numpy 数组从 400x8x8 数组重塑为 160x160 数组，我需要反转该过程，但无法弄清楚该行的反转。

我已经可以执行此过程，但效率非常低，并且需要嵌套循环，出于性能目的，我希望避免使用。

这是我目前必须反转该过程的代码（160x160 > 400x8x8）：

       previousRow = 0
    for rowBlock in range(noBlocksOn1Axis):
        previousRow = rowBlock * blockSize  
        previousColumn = 0
        for columnBlock in range(noBlocksOn1Axis):
            previousColumn = columnBlock * blockSize
            block = 
            arrayY[previousRow:previousRow+blockSize, 
            previousColumn:previousColumn + blockSize]
            blocksList.append(block)

这是重塑 400x8x8 > 160x160 的代码行：

    xy = np.zeros((160,160), dtype = np.uint8)

    xy = np.vstack(np.hstack(overDone[20*i:20+20*i]) for i in 
    range(overDone.shape[0]//20))

那么关于如何反向执行这行代码有什么想法吗？

谢谢:D

【问题讨论】：

标签： python arrays numpy vectorization reshape

【解决方案1】：

重新整形、交换轴（或转置轴）并重新整形以获取 overDone 返回 -

xy.reshape(20,8,20,8).swapaxes(1,2).reshape(400,8,8)

更多关于intuition behind nd-to-nd array transformation的信息。

使其通用以处理通用形状 -

m,n = xy.shape
M,N = 20,20 # block size used to get xy
overDone_ = xy.reshape(M,m//M,N,n//N).swapaxes(1,2).reshape(-1,m//M,n//N)

示例运行 -

# Original input
In [21]: overDone = np.random.rand(400,8,8)

# Perform forward step to get xy
In [22]: xy = np.vstack(np.hstack(overDone[20*i:20+20*i]) for i in range(overDone.shape[0]//20))

# Use proposed approach to get back overDone
In [23]: out = xy.reshape(20,8,20,8).swapaxes(1,2).reshape(400,8,8)

# Verify output to be same as overDone
In [42]: np.array_equal(out,overDone)
Out[42]: True

奖金：

我们可以使用相同的矢量化reshape+permute-axes 步骤来为转发过程创建xy -

xy = overDone.reshape(20,20,8,8).swapaxes(1,2).reshape(160,160)

【讨论】：

你也应该在这里展示更有效的前向操作方法
@Eric 好主意！已添加。

【解决方案2】：

numpy.reshape 有什么问题？

my_array_3d = my_array.reshape((400, 8, 8))
my_array_2d = my_array.reshape((160, 160))

【讨论】：