numpy - 通过在 Numpy 或类似工具中进行平均来缩小 3D 矩阵

Question

在 Numpy 或 Scipy 或什至使用 NetCDF 工具或类似的东西？不久前我使用 strides 写了一个 2D 的，但是一个随时可用的函数会有很大帮助。

编辑:

我希望输入和输出的示例:

输入的形状:(500, 500, 100)

调用函数:downsize(input, 10, 10, 10, func)

输出的形状:(50, 50, 10) 其中每个单元格的值都是 func 在连续的 10x10x10 子矩阵上的结果。

或者，代码可以获得所需的矩阵大小作为输入，而不是子矩阵的大小，然后计算出它们。

谢谢

Answer 1

这是一种使用 reshape 将每个轴切成两半的方法，从而创建六个轴，然后对三个原始轴中的每一个的第二个切片轴执行合并平均，以获得分 block 平均 -

def blockwise_average_3D(A,S):    
    # A is the 3D input array
    # S is the blocksize on which averaging is to be performed

    m,n,r = np.array(A.shape)//S
    return A.reshape(m,S[0],n,S[1],r,S[2]).mean((1,3,5))

样本运行-

In [107]: A = np.random.randint(0,255,(500,500,100)) # 3D Input array
     ...: S = (10,10,10)                             # Blocksize
     ...: 

In [108]: out = blockwise_average_3D(A,S)

In [109]: out[0,0,0]
Out[109]: 124.242

In [110]: A[:10,:10,:10].mean()
Out[110]: 124.242

In [111]: out[0,1,0]
Out[111]: 129.89400000000001

In [112]: A[:10,10:20,:10].mean()
Out[112]: 129.89400000000001