使用 numpy 计算翻转 3d 数据

Question

我有一个 3d 数据，想计算距原点所有可能距离的数据点乘积的平均值。我有一个巨大的网格 (128^3-1024^3)，而我现在正在做的事情并没有在几个小时内给出答案。

# u read from a file
import numpy as np
for icx in range(0,128):
    for icy in range(0,128):
        for icz in range(0,128):
            cukin[icx,icy,icz] = np.mean((u*np.roll(np.roll(np.roll(u,icx, axis=0),icy, axis=1),icz, axis=2))

有没有办法避免这个问题出现循环？

玩具示例：

cukin = np.zeros((2,2,2))
u = np.mgrid[1:5:1,1:5:1,1:5:1]
for icx in range(0,2):
    for icy in range(0,2):
        for icz in range(0,2):
            cukin[icx,icy,icz] = np.mean((u*np.roll(np.roll(np.roll(u,icx, axis=0),icy, axis=1),icz, axis=2)))

给cukin

[[[ 7.5   7.  ]
  [ 7.    6.5 ]]

 [[ 6.25  6.25]
  [ 6.25  6.25]]]

Answer 1

尝试使用迭代器而不是列表（range 创建一个列表），它们消耗的内存要少得多。要一次遍历所有位置索引，您可以使用itertools.product。同时滚动所有轴，而不是调用嵌套的np.roll 三次：

from itertools import product as prod
import numpy as np

rng_x = xrange(128)
rng_y = xrange(128)
rng_z = xrange(128)
xyz_ids = prod(rng_x, rng_y, rng_z)

# NOTE: the order of the axis in numpy arrays is inverse
for i, j, k in xyz_ids:
    cukin[k, j, i] = np.mean(u * np.roll(u, [k, j, i], axis=[0, 1, 2]))

不确定是否会输出您期望的结果。让我知道它是否有效。您应该考虑添加一个示例，说明什么是 u 和相应的预期输出。