python - 在python中压缩数组？

Question

有没有办法在 python 中“压缩”数组以保持相同的范围，但只是将元素的数量减少到给定值？

例如，我有一个包含 1000 个元素的数组，我想将其修改为有 100 个元素。具体来说，我有一个 numpy 数组是

x = linspace(-1,1,1000)

但由于我在我的项目中使用它的方式，我不能简单地使用 linspace 重新创建它，因为它不会总是在 -1 到 1 的范围内并且有 1000 个元素。这些参数发生变化，我无法在我定义的函数中访问它们。所以我需要一种方法来压缩数组，同时保持 -1 到 1 的映射。将其视为降低阵列的“分辨率”。任何内置函数或不同的库都可以做到这一点吗？

Answer 1

“重新采样”数组的一种简单方法是将其分组为 block ，然后对每个 block 进行平均:

(分块函数来自this answer)

#  Chunking function 
def chunks(l, n):
    for i in xrange(0, len(l), n):
        yield l[i:i+n]

# Resampling function
def resample(arr, newLength):
    chunkSize = len(arr)/newLength
    return [np.mean(chunk) for chunk in chunks(arr, chunkSize)]

# Example:
import numpy as np
x = np.linspace(-1,1,15)
y = resample(x, 5)
print y
# Result:
# [-0.85714285714285721, -0.4285714285714286, -3.7007434154171883e-17, 0.42857142857142844, 0.8571428571428571]

如您所见，重采样数组的范围确实向内漂移，但对于较大的数组，这种影响会小得多。

我不清楚数组是否总是由 numpy.linspace 生成。如果是这样，有更简单的方法可以做到这一点，比如简单地选择原始数组的每个第 n 个成员，其中 n 由“压缩”比率确定:

def linearResample(arr, newLength):
    spacing = len(arr) / newLength
    return arr[::spacing]