如何在numpy中装入2D数组？

Question

我是numpy的新手,我有一个2D数组的对象,我需要将它们分成一个较小的矩阵,然后计算每个bin中的对象数量来制作热图.我按照这个线程的答案来创建垃圾箱并对一个简单的数组进行计数,但我不知道如何将它扩展到2维.这是我到目前为止所拥有的:

data_matrix = numpy.ndarray((500,500),dtype=float)
# fill array with values.

bins = numpy.linspace(0,50,50)
digitized = numpy.digitize(data_matrix, bins)

binned_data = numpy.ndarray((50,50))
for i in range(0,len(bins)):
    for j in range(0,len(bins)):
        k = len(data_matrix[digitized == i:digitized == j]) # <-not does not work
        binned_data[i:j] = k

PS [digitized == i]数组上的表示法将返回二进制值数组.我无法在任何地方找到有关此符号的文档.一个链接将不胜感激.

Answer 1

您可以将数组重新整形为反映所需块结构的四维数组,然后沿每个块内的两个轴求和.例:

>>> a = np.arange(24).reshape(4, 6)
>>> a
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
>>> a.reshape(2, 2, 2, 3).sum(3).sum(1)
array([[ 24,  42],
       [ 96, 114]])

如果a有形状m, n,重塑应具有形状

a.reshape(m_bins, m // m_bins, n_bins, n // n_bins)

Answer 2

起初我还建议你使用np.histogram2d而不是重新发明轮子，但后来我意识到使用它会有点过分，并且仍然需要一些黑客攻击。

如果我理解正确，您只想对输入的子矩阵求和。这很容易暴力破解：检查输出子矩阵并对输入的每个子块求和：

import numpy as np

def submatsum(data,n,m):
    # return a matrix of shape (n,m)
    bs = data.shape[0]//n,data.shape[1]//m  # blocksize averaged over
    return np.reshape(np.array([np.sum(data[k1*bs[0]:(k1+1)*bs[0],k2*bs[1]:(k2+1)*bs[1]]) for k1 in range(n) for k2 in range(m)]),(n,m))

# set up dummy data
N,M = 4,6
data_matrix = np.reshape(np.arange(N*M),(N,M))

# set up size of 2x3-reduced matrix, assume congruity
n,m = N//2,M//3
reduced_matrix = submatsum(data_matrix,n,m)

# check output
print(data_matrix)
print(reduced_matrix)

这打印

print(data_matrix)
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]

print(reduced_matrix)
[[ 24  42]
 [ 96 114]]

这确实是对 shape 的子矩阵求和的结果(2,3)。

请注意，我使用//整数除法来确保它与 python3 兼容，但在 python2 的情况下，您可以只使用/除法（因为涉及的数字是整数）。