从每个维度正交的 3D NumPy 数组中获取随机 2D 切片答案

【问题标题】：Get random 2D slices from a 3D NumPy array orthogonally across each dimension从每个维度正交的 3D NumPy 数组中获取随机 2D 切片
【发布时间】：2020-10-13 05:45:58
【问题描述】：

我正在尝试随机抽取形状为(790, 64, 64, 1) 的 NumPy 数组的 30%。最后一个维度是图像的通道信息，因此本质上它是 3D 图像。目的是在每个维度上以随机的方式正交生成二维切片，以获得原始总信息的 30%。

我查看了 this question 以了解如何随机生成切片，但我无法将其扩展到我的用例。

到目前为止，我只能生成我需要的数据大小。

dim1_len = 0.3 * img.shape[0]
dim2_len = 0.3 * img.shape[1]
dim3_len = 0.3 * img.shape[2]

对不起，如果问题有点宽泛。

【问题讨论】：

您能否详细说明“正交生成二维切片”？如果您包含示例输入和预期输出，将会很有帮助。
这是回答你的问题还是你在寻找别的东西？
@scleronomic - meshgrid 解决了它 - 非常感谢！ +1 为关于减少系数的说明！

标签： python numpy numpy-ndarray orthogonal

【解决方案1】：

前几个cmets，你说要保留30%的原始信息。如果您保留每个轴的 30%，那么您最终只会得到 0.3*0.3*0.3 = 0.027 (2.7%) 的信息。考虑使用0.3 ^(1/3)作为缩减因子。接下来是您可能想要保留随机采样索引的空间顺序，因此可能在您链接的问题中包含np.sort(...)。

现在回到主要问题，您可以使用np.meshgrid(*arrays, sparse=True, indexing='ij') 来获取可用于广播的数组列表。这对于将必要的 newaxis 添加到随机索引非常方便。

import numpy as np

img = np.random.random((790, 64, 64, 1))
alpha = 0.3 ** (1/3)

shape_new = (np.array(img.shape[:-1]) * alpha).astype(int)
idx = [np.sort(np.random.choice(img.shape[i], shape_new[i], replace=False))
       for i in range(3)]
# shapes: [(528,)  (42,)  (42,)]

idx_o = np.meshgrid(*idx, sparse=True, indexing='ij')
# shapes: [(528, 1, 1)
#          (1,  42, 1)
#          (1,  1, 42)]

img_new = img[tuple(idx_o)]
# shape: (528, 42, 42, 1)

【讨论】：