Вы можете использовать более высокий размерный вид ваш массива и взять среднее по дополнительным измерениям:
In [12]: a = np.arange(36).reshape(6, 6)
In [13]: a
Out[13]:
array([[ 0, 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16, 17],
[18, 19, 20, 21, 22, 23],
[24, 25, 26, 27, 28, 29],
[30, 31, 32, 33, 34, 35]])
In [14]: a_view = a.reshape(3, 2, 3, 2)
In [15]: a_view.mean(axis=3).mean(axis=1)
Out[15]:
array([[ 3.5, 5.5, 7.5],
[ 15.5, 17.5, 19.5],
[ 27.5, 29.5, 31.5]])
В общем, если вы хотите, мусорные контейнеры формы (a, b)
для массива (rows, cols)
, ваше изменение формы его должен быть .reshape(rows // a, a, cols // b, b)
. Также обратите внимание, что порядок .mean
важен, например. a_view.mean(axis=1).mean(axis=3)
поднимет ошибку, потому что a_view.mean(axis=1)
имеет только три измерения, хотя a_view.mean(axis=1).mean(axis=2)
будет работать нормально, но это затрудняет понимание происходящего.
Как есть, приведенный выше код работает только, если вы можете поместить целое число бункеров внутри массива, то есть, если a
делит rows
и b
делит cols
. Есть способы справиться с другими случаями, но тогда вам придется определить поведение, которое вы хотите.
являются подматрицы гарантированно соответствовать именно? у вас есть numpy 1.7. доступно (это просто аккуратно, не нужно)? – seberg
У меня есть numpy 1.8dev, но моя работа получается более старой версии ... – user1187727