使用numpy as_strided检索以主对角线为中心的子数组
使用numpy的as_strided函数可以创建一个视图，用于检索以主对角线为中心的子数组。
主对角线是一个矩阵中从左上角到右下角的对角线。以主对角线为中心的子数组是指以主对角线为中心轴，向上和向下延伸相同数量的元素的子数组。
下面是一个使用numpy as_strided函数检索以主对角线为中心的子数组的示例代码：
import numpy as np
def get_diagonal_subarray(arr, k):
shape = arr.shape
strides = arr.strides
subarray_shape = (min(shape[0], shape[1] - abs(k)),)
subarray_strides = (strides[0] + strides[1] * k,)
subarray = np.lib.stride_tricks.as_strided(arr, shape=subarray_shape, strides=subarray_strides)
return subarray
# 示例输入矩阵
matrix = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
# 检索以主对角线为中心的子数组
subarray = get_diagonal_subarray(matrix, 0)
print(subarray)输出结果为：
[1 6 11]在这个示例中，输入矩阵是一个3x4的矩阵。我们使用get_diagonal_subarray函数检索以主对角线为中心的子数组。参数k表示主对角线的偏移量，0表示主对角线本身。函数返回以主对角线为中心的子数组。
numpy的as_strided函数可以创建一个视图，而不是复制数据。这意味着子数组与原始数组共享相同的内存，因此对子数组的修改也会影响原始数组。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云计算服务：https://cloud.tencent.com/product/cvm
- 腾讯云数据库：https://cloud.tencent.com/product/cdb
- 腾讯云对象存储：https://cloud.tencent.com/product/cos
- 腾讯云人工智能：https://cloud.tencent.com/product/ai
- 腾讯云物联网：https://cloud.tencent.com/product/iot
- 腾讯云移动开发：https://cloud.tencent.com/product/mobdev
- 腾讯云区块链：https://cloud.tencent.com/product/bc
- 腾讯云元宇宙：https://cloud.tencent.com/product/mu
相关·内容
1回答
numpy.lib.stride_tricks.as_strided的python实现
python、numpy、implementation、sliding-window、stride
当我根据变量的类型将大步数转换为变量数时，我试图将NumPy的NumPy函数转换为一个函数(对于float32，将跨距除以4等)。
我实现的代码：
def as_strided(x, shape, strides):
x = x.flatten()
size = 1
for value in shape:
size *= value
arr = np.zeros(size, dtype=np.float32)
curr = 0
for i in range(shape[0]):
for j in range(sha
浏览 7提问于2022-02-23得票数 2
回答已采纳
3回答
在Numpy或类似的情况下通过平均缩小3D矩阵
numpy、matrix、scipy
是否有一种简单的方法可以通过在Numpy或Scipy中，甚至使用NetC_D_F工具或类似的工具来平均一定大小的块来减小3D矩阵的大小？我用一段时间前的大步写了一个2D的函数，但是准备好使用函数会有很大帮助。
编辑：
我希望我的输入和输出看起来像什么的例子：
Input's shape: (500, 500, 100)
Calling the function: downsize(input, 10, 10, 10, func)
Output's shape: (50, 50, 10)，其中每个单元格的值都是连续10x10x10次矩阵上func的结果。
或者，代码可以获得所需的
浏览 3提问于2016-05-30得票数 3
回答已采纳
2回答
尝试将主对角线下方和上方的所有值放入矩阵中，使其等于0
python、numpy、matrix、line、rows
所以我把除主对角线外的所有零都放在一起的功能是混乱的，它没有起作用。
第一个函数将减去矩阵一行上的每个入口为(主对角线入口之一*(主对角线入口之一*(主对角线入口之一/主入口下方或上方的入口之一)。(对不起，我的英语不好)
def subtract_lines(m,r,x,y):
for i in range(r,r + 1):
for j in range(0,m.shape[1]):
m[i,j] = m[i,j] - (y * (x / y))
return m
假设第二个函数给出如下答案: numpy.array([4.0,2.0,3.0,3.0,4.0,3.0
浏览 24提问于2020-02-28得票数 0
2回答
如何对角线填充矩阵？
python、numpy
我在用m大小的列表填充n x n的方阵时遇到了麻烦。
我想要实现的东西是这样的：
arr = np.array([
[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]], dtype=float)
和一个类似如下的列表：
myList= [1, 2, 3, 4, 5, 6, 7]
输出应为：
arr = np.array([
[4, 5, 6, 7],
[3, 4, 5, 6],
[2, 3, 4, 5],
[1, 2, 3, 4]], dtype=float)
def
浏览 2提问于2020-09-18得票数 1
2回答
非广播Numpy阵列
python、arrays、numpy、array-broadcasting
在大型代码库中，我使用np.broadcast_to广播数组(这里只使用简单的示例)：
In [1]: x = np.array([1,2,3])
In [2]: y = np.broadcast_to(x, (2,1,3))
In [3]: y.shape
Out[3]: (2, 1, 3)
在代码的其他部分，我使用了第三方函数，这些函数可以在Numpy数组上以矢量化的方式操作，但这些函数不是实用函数。这些函数不理解广播，这意味着在像y这样的数组上调用这样的函数是效率低下的。像Numpy的vectorize这样的解决方案也不是很好，因为当他们理解广播时，他们在数组元素上引入了一个for循
浏览 7提问于2016-11-28得票数 4
回答已采纳
2回答
如何计算numpy数组中所有非对角元素的abs之和？
python、numpy、matrix
我是numpy的新手，我想计算numpy数组中所有非对角线元素的abs之和。矩阵的元素是矩阵的所有元素，但在矩阵的主对角线中的元素除外。
我想要计算它们的abs之和，以便实现 of
因此，为了计算它，我认为这段代码会工作：
import numpy as np
off_diagonal_sum = 0
for i in range(n): # n is the dimension of our square matrix
# mat is our matrix
off_diagonal_sum = off_diagonal_sum + np.sum(np.abs(mat[i,
浏览 1提问于2018-12-20得票数 5
回答已采纳
1回答
用as_strided分割numpy数组
python、arrays、performance、numpy
我正在寻找一种将numpy数组分割为重叠块的有效方法。我知道numpy.lib.stride_tricks.as_strided可能是一条路，但我似乎不能把它的用法用在一个在任意形状的数组上工作的广义函数中。
这就是我想要的：
import numpy as np
from numpy.lib.stride_tricks import as_strided
def segment(arr, axis, new_len, step=1, new_axis=None):
""" Segment an array along some axis.
Para
浏览 0提问于2018-02-09得票数 7
回答已采纳
1回答
如何在numpy中实现“对角”？
python、numpy、github
我对numpy实现数组的diagonal的方式很感兴趣。我在the github repo中搜索def diagonal(，在以下三个文件中找到了相关信息：numpy/__init__.pyi, numpy/core/fromnumeric.py和numpy/core/fromnumeric.pyi，但这两个文件并未实现该函数。特别是，在最后一个文件中，它说 if isinstance(a, np.matrix):
return asarray(a).diagonal(offset=offset, axis1=axis1, axis2=axis2)
else:
浏览 25提问于2021-05-03得票数 0
1回答
在numpy中，如何有效地列出所有固定大小的子矩阵？
python、numpy、matrix
我有一个任意的NxM矩阵，例如：
1 2 3 4 5 6
7 8 9 0 1 2
3 4 5 6 7 8
9 0 1 2 3 4
我想得到这个矩阵中所有3x3子矩阵的列表：
1 2 3 2 3 4 0 1 2
7 8 9 ; 8 9 0 ; ... ; 6 7 8
3 4 5 4 5 6 2 3 4
我可以用两个嵌套循环来完成这个任务：
rows, cols = input_matrix.shape
patches = []
for row in np.arange(0, rows - 3):
浏览 3提问于2013-10-16得票数 9
回答已采纳
4回答
只需使用Numpy即可实现Convolve2d
python、numpy、image-processing、matrix、convolution
我正在学习使用Numpy进行图像处理，并且面临着一个使用卷积进行过滤的问题。
我想要卷积一个灰度图像。，。(将二维阵列与较小的二维阵列进行卷积)
有没有人有办法refine my method？
我知道支持convolve2d，但我只想用Numpy制作一个convolve2d。
我所做的一切
首先，我制作了一个二维子矩阵数组。
a = np.arange(25).reshape(5,5) # original matrix
submatrices = np.array([
[a[:-2,:-2], a[:-2,1:-1], a[:-2,2:]],
[a[1:-1,:-2]
浏览 652提问于2017-03-29得票数 40
回答已采纳
2回答
用Python迭代多维数组
python、numpy、multidimensional-array、glcm
我想用滑动窗口计算图像上的一些运算(GLCM)。实现这一目标的准则是：
import numpy as np
from skimage.feature import greycomatrix, greycoprops
from numpy.lib.stride_tricks import as_strided
image = np.arange(36).reshape((6,6))
window = 5
result = np.zeros(image.shape)
for i in xrange(window/2,image.shape[0]-window/2):
for j
浏览 4提问于2015-01-16得票数 1
1回答
无拷贝的Numpy视图重塑(2d移动/滑动窗口，步幅，屏蔽内存结构)
python、image、numpy、scikit-learn、scikit-image
我有一个存储为2dnumpy数组的图像(可能是多个d数组)。
我可以在反映二维滑动窗口的数组上创建一个视图，但是当我重塑它，使每一行都是一个平坦的窗口(行是窗口，列是该窗口中的一个像素)时，python会生成一个完整的副本。它之所以这样做，是因为我使用了典型的步幅技巧，而新形状在内存中是不连续的。
我需要这个，因为我将整个大图像传递给sklearn分类器，它接受2d矩阵，其中没有批处理/部分拟合过程，并且完全扩展的副本对于内存来说太大了。
我的问题是:有没有一种方法可以在不复制视图的情况下做到这一点？
我相信答案要么是(1)关于我忽略的跨度或numpy内存管理，要么是(2) python的某种
浏览 0提问于2014-07-18得票数 8
2回答
numpy/枕旋转掩模的优化实现
python、image-processing、numpy、scipy
这是我第一次尝试在numpy中使用大步，与不同过滤器上的简单迭代相比，它确实提高了速度，但是它仍然相当慢(感觉至少有一两件事情是完全多余的或效率低下的)。
因此，我的问题是:是否有更好的方法来执行此操作或对我的代码进行调整，使其显着地加快速度？
该算法对每个像素执行9个不同滤波器的局部评估，并选择具有最小标准差的滤波器(我试图实现Nagau和Matsuyma (1980)“复杂Areal照片的结构分析”，如一本图像分析书所述)。结果是一个平滑的和边缘锐化的图像(很酷，如果你问我！)
import numpy as np
from scipy import ndimage
from numpy.
浏览 0提问于2012-10-19得票数 4
回答已采纳
1回答
余弦相似产生'nan‘值
python、numpy、sparse-matrix、similarity、cosine-similarity
我正在计算稀疏向量的余弦相似矩阵，期望为浮点数的元素似乎是'nan‘。
“访问”是一个稀疏的矩阵，显示每个用户访问每个网站的次数。这个矩阵过去的形状为1500×1500，但我使用coo_matrix().tocsc()将其转换为稀疏矩阵。
任务是找出网站有多相似，所以我决定计算每两个站点之间的余弦度量。
这是我的代码：
cosine_distance_matrix = np.ndarray(shape = (visits.shape[1], visits.shape[1]))
def norm(x):
return np.sqrt(
x.T.dot(x)
)
for i i
浏览 5提问于2015-11-11得票数 2
2回答
在python中求最小长度n子序列和的最快方法
arrays、performance、list、python-3.x、numpy
给定一个列表L，最快的方法是查找所有连续长度的n子序列，并找到最小和的索引。以下是我的(慢速)版本：
from random import randrange
import numpy as np
L = np.array([randrange(-5000, 5000) for _ in range(10 * 10**6)]) #random array
subarray_length = 3 #for example
sublist_sums = [sum(L[i:i+subarray_len
浏览 1提问于2017-04-04得票数 3
回答已采纳
3回答
Pandas中的窗口重叠
python、numpy、pandas
在熊猫中，有几种方法可以操作给定窗口中的数据(例如pd.rolling_mean或pd.rolling_std)。然而，我想设置一个窗口重叠，我认为这是一个相当标准的要求。例如，在下面的图像中，您可以看到一个跨越256个样本和重叠128个样本的窗口。
我如何使用Pandas或Numpy中包含的优化方法来做到这一点？
浏览 1提问于2013-08-15得票数 8
回答已采纳
2回答
如何用外积和来向量化近似矩阵乘法？
python、numpy、matrix-multiplication
假设我有两个矩阵，A和B，我想使用外部乘积之和计算C = AB。我编写了这个函数来实现这个功能，但我想知道是否可以消除for循环并将其矢量化，
import numpy as np
def mul_opx(A, B, pd):
# Approx. matrix multiplication using outer product
n, m = A.shape
p = B.shape[1]
C = np.zeros((n,p), dtype=A.dtype)
dum = np.zeros_like(C)
for t in range(m):
浏览 17提问于2022-03-02得票数 7
1回答
迭代numpy数组的最后一个轴
python、arrays、numpy、multidimensional-array、numpy-ndarray
假设我们有一个(20，5)数组。我们可以非常严格地迭代每一行：
import numpy as np
xs = np.array(range(100)).reshape(20, 5)
for x in xs:
print(x)
如果我们想在另一个轴上迭代(在这个例子中，迭代列，但是我正在为ndarray中的每个可能的轴寻找一个解决方案)，那么它就不那么直接了，我们可以使用中的方法
for i in range(xs.shape[-1]):
x = xs[..., i]
print(x)
是否有更直接的方法在另一个轴上迭代，比如(伪代码)：
for x in xs.ite
浏览 1提问于2021-06-25得票数 3
2回答
将函数数组应用于矩阵列的Numpy最快方法
python、numpy
我有一个函数数组shape (n,)和一个shape (m, n)的numpy矩阵。现在，我想将每个函数应用于矩阵中相应的列，即
matrix[:, i] = funcs[i](matrix[:, i])
我可以使用for循环(参见下面的示例)来实现这一点，但在numpy中通常不鼓励使用for循环。我的问题是，做这件事最快(最好是最优雅)的方法是什么？
一个有效的例子
import numpy as np
# Example of functions to apply to each row
funcs = np.array([np.vectorize(lambda x: x+1),
浏览 5提问于2018-09-04得票数 1
1回答
numpy.as_strided的结果是否取决于输入的dtype？
python、arrays、python-3.x、numpy
的结果将取决于NumPy数组的dtype吗？
这个问题来自于.strides的定义，它是
遍历数组时要在每个维度中执行的字节元组。
下面是我在其他问题中使用过的函数。它需要一个一维或2d数组，并创建长度为window的重叠窗口。结果将比输入大一个维度。
def rwindows(a, window):
if a.ndim == 1:
a = a.reshape(-1, 1)
shape = a.shape[0] - window + 1, window, a.shape[-1]
strides = (a.strides[0],) + a.stri
浏览 2提问于2017-08-15得票数 11
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
