确定NumPy数组的切片索引时遇到问题

问题描述

我有一个modified元素的NumPy数组，表示为扁平数组（X * Y）。

给出以下值：

arr = np.array(x * y)

我需要按以下顺序访问数组的元素：

X = 832
Y = 961

在数学上，我不确定如何在循环中的每次迭代中实现arr[0:832:2] arr[1:832:2] arr[832:1664:2] arr[833:1664:2] ... arr[((Y-1) * X):(X * Y):2] 和start。

解决方法

This should do the trick

Y = 961
X = 832

all_ = np.random.rand(832*961)

# Iterating over the values of y
for i in range(1,Y):
    # getting the indicies from the array we need
    # i - 1 = Start
    # X*i = END
    # 2 is the step
    indicies = list(range(i-1,X*i,2))
    # np.take slice values from the array or get values corresponding to the list of indicies we prepared above
    required_array = np.take(indices=indices)
    

,

对对此解决方案感兴趣的任何人（每次迭代，每次迭代都不增加移位）：

for i in range(Y):
    shift = X * (i // 2)
    begin = (i % 2) + shift
    end = X + shift
    print(f'{begin}:{end}:2')

,

比方说，您有一个形状为try: all_info = response.xpath("//div[@class = 'title']/div[@class='tooltipContainer']/div/text()").extract_first() except Exception as ex: yield {"Ex`enter code here`": ex} yield {"All_Information":all_info} 的数组，您希望以(x * y,)的块进行处理。您可以简单地将数组整形为x并处理行：

(y,x)

现在重塑，并批量处理。在下面的示例中，我取每一行的平均值。您可以通过以下方式将所需的任何功能应用于整个数组：

>>> x = 832
>>> y = 961
>>> arr = np.arange(x * y)

整形操作不会更改数组中的数据。它指向的缓冲区与原始缓冲区相同。您可以通过在数组上调用>>> arr = arr.reshape(y,x) >>> np.mean(arr[:,::2],axis=1) >>> np.mean(arr[:,1::2],axis=1) 来反转整形。