numpy.lib.stride_tricks.sliding_window_view#

lib.stride_tricks.sliding_window_view(x, window_shape, axis=None, *, subok=False, writeable=False)[源代码]#

使用给定的窗口形状创建一个滑动窗口视图到数组中.

也称为滚动窗口或移动窗口,窗口在数组的所有维度上滑动,并在所有窗口位置提取数组的子集.

在 1.20.0 版本加入.

参数:
xarray_like

要创建滑动窗口视图的数组.

window_shapeint 或 int 的元组

每个轴上参与滑动窗口的窗口大小.如果 axis 不存在,则必须与输入数组维度的数量相同.单个整数 i 被视为如果是元组 (i,).

axisint 或 int 的元组,可选

滑动窗口应用的轴或轴.默认情况下,滑动窗口应用于所有轴,`window_shape[i]` 将引用 x 的轴 i.如果 axis 给定为一个 int 的元组,`window_shape[i]` 将引用 x 的轴 axis[i].单个整数 i 被视为它们是元组 (i,).

subok布尔值, 可选

如果为真,子类将被传递,否则返回的数组将被强制为基类数组（默认）.

writeable布尔值, 可选

当为真时,允许写入返回的视图.默认值为假,因为应谨慎使用此选项:返回的视图包含相同的内存位置多次,因此写入一个位置会导致其他位置发生变化.

返回:
viewndarray

数组的滑动窗口视图.滑动窗口的维度插入到最后,并且根据滑动窗口的大小对原始维度进行必要的修剪.即,``view.shape = x_shape_trimmed + window_shape``,其中 x_shape_trimmed 是 x.shape 的每个条目减少对应窗口大小减一的结果.

参见

lib.stride_tricks.as_strided

一个较低级别的、安全性较低的例程,用于从自定义形状和步幅创建任意视图.

broadcast_to

将数组广播到给定的形状.

备注

对于许多应用程序来说,使用滑动窗口视图可能很方便,但可能会非常慢.通常存在专门的解决方案,例如:

粗略估计,使用输入大小为 N 和窗口大小为 W 的滑动窗口方法将按 O(N*W) 缩放,而通常特殊算法可以达到 O(N).这意味着窗口大小为 100 的滑动窗口变体可能比更专门的版本慢 100 倍.

然而,对于小窗口尺寸,当没有自定义算法存在时,或者作为一种原型设计和开发工具,这个功能可以是一个好的解决方案.

示例

>>> import numpy as np
>>> from numpy.lib.stride_tricks import sliding_window_view
>>> x = np.arange(6)
>>> x.shape
(6,)
>>> v = sliding_window_view(x, 3)
>>> v.shape
(4, 3)
>>> v
array([[0, 1, 2],
       [1, 2, 3],
       [2, 3, 4],
       [3, 4, 5]])

这也可以在更多维度上工作,例如.

>>> i, j = np.ogrid[:3, :4]
>>> x = 10*i + j
>>> x.shape
(3, 4)
>>> x
array([[ 0,  1,  2,  3],
       [10, 11, 12, 13],
       [20, 21, 22, 23]])
>>> shape = (2,2)
>>> v = sliding_window_view(x, shape)
>>> v.shape
(2, 3, 2, 2)
>>> v
array([[[[ 0,  1],
         [10, 11]],
        [[ 1,  2],
         [11, 12]],
        [[ 2,  3],
         [12, 13]]],
       [[[10, 11],
         [20, 21]],
        [[11, 12],
         [21, 22]],
        [[12, 13],
         [22, 23]]]])

可以明确指定轴:

>>> v = sliding_window_view(x, 3, 0)
>>> v.shape
(1, 4, 3)
>>> v
array([[[ 0, 10, 20],
        [ 1, 11, 21],
        [ 2, 12, 22],
        [ 3, 13, 23]]])

同一个轴可以被多次使用.在这种情况下,每次使用都会减少相应的原始维度:

>>> v = sliding_window_view(x, (2, 3), (1, 1))
>>> v.shape
(3, 1, 2, 3)
>>> v
array([[[[ 0,  1,  2],
         [ 1,  2,  3]]],
       [[[10, 11, 12],
         [11, 12, 13]]],
       [[[20, 21, 22],
         [21, 22, 23]]]])

结合步进切片（::step）,这可以用来获取跳过元素的滑动视图:

>>> x = np.arange(7)
>>> sliding_window_view(x, 5)[:, ::2]
array([[0, 2, 4],
       [1, 3, 5],
       [2, 4, 6]])

或通过多个元素移动的视图

>>> x = np.arange(7)
>>> sliding_window_view(x, 3)[::2, :]
array([[0, 1, 2],
       [2, 3, 4],
       [4, 5, 6]])

sliding_window_view 的一个常见应用是计算运行统计数据.最简单的例子是 移动平均:

>>> x = np.arange(6)
>>> x.shape
(6,)
>>> v = sliding_window_view(x, 3)
>>> v.shape
(4, 3)
>>> v
array([[0, 1, 2],
       [1, 2, 3],
       [2, 3, 4],
       [3, 4, 5]])
>>> moving_average = v.mean(axis=-1)
>>> moving_average
array([1., 2., 3., 4.])

请注意,滑动窗口方法通常**不是**最优的（见注释）.

On this page