Giảm độ phân giải của mảng thông qua tổng

Question

Nếu tôi có một mảng như thế này:

a = np.array([[ 1, 2, 3, 4], 
       [ 5 ,6, 7, 8], 
       [ 9,10,11,12], 
       [13,14,15,16]]) 

Tôi muốn 'thay đổi độ phân giải', và kết thúc với một mảng nhỏ hơn, (nói 2 hàng bởi 2 màu sắc, hoặc 2 hàng bởi 4 cols, v.v.). Tôi muốn thay đổi độ phân giải này xảy ra thông qua tổng kết. Tôi cần điều này để làm việc với mảng lớn, số lượng hàng, cols của mảng nhỏ hơn sẽ luôn là một yếu tố của mảng lớn hơn.

Giảm mảng trên để 2 của 2 mảng sẽ cho kết quả (đó là những gì tôi muốn):

[[ 14. 22.] 
[ 46. 54.]] 

tôi có chức năng này mà hiện nó tốt:

import numpy as np 

def shrink(data, rows, cols): 
    shrunk = np.zeros((rows,cols)) 
    for i in xrange(0,rows): 
     for j in xrange(0,cols): 
      row_sp = data.shape[0]/rows 
      col_sp = data.shape[1]/cols 
      zz = data[i*row_sp : i*row_sp + row_sp, j*col_sp : j*col_sp + col_sp] 
      shrunk[i,j] = np.sum(zz) 
    return shrunk 

print shrink(a,2,2) 
print shrink(a,2,1) 
#correct output: 
[[ 14. 22.] 
[ 46. 54.]] 
[[ 36.] 
[ 100.]] 

tôi đã có một cái nhìn dài qua các examples, nhưng dường như không thể tìm thấy bất cứ điều gì giúp.

Có cách nào nhanh hơn để thực hiện việc này mà không cần các vòng lặp không?

Answer 1

Với ví dụ của bạn:

a.reshape(2,2,2,2).sum(axis=1).sum(axis=2) 

lợi nhuận:

array([[14, 22], 
     [46, 54]]) 

Bây giờ chúng ta hãy tạo một hàm tổng quát ...

def shrink(data, rows, cols): 
    return data.reshape(rows, data.shape[0]/rows, cols, data.shape[1]/cols).sum(axis=1).sum(axis=2) 

công trình cho các ví dụ của bạn:

In [19]: shrink(a, 2,2) 
Out[19]: 
array([[14, 22], 
     [46, 54]]) 

In [20]: shrink(a, 2,1) 
Out[20]: 
array([[ 36], 
     [100]]) 

Answer 2

tôi chắc chắn rằng có một/cách tiếp cận thông minh tốt hơn mà không cần tất cả những vòng khủng khiếp ...

Dưới đây là một cách để tránh một cách rõ ràng Looping trên mọi phần tử của data:

def shrink(data, rows, cols): 
    row_sp = a.shape[0]/rows 
    col_sp = a.shape[1]/cols 
    tmp = np.sum(data[i::row_sp] for i in xrange(row_sp)) 
    return np.sum(tmp[:,i::col_sp] for i in xrange(col_sp)) 

Trên máy của tôi, tốc độ này nhanh hơn khoảng 30% so với phiên bản của bạn (cho shrink(a, 2, 2)).