减少 numpy 数组的第三维并对值求和

Question

我认为这很简单，但我不太明白。我有一个大型 3d 数组，我想按某个因子减少第三个暗淡，然后将这些值相加以获得减少的大小。一个可以得到我想要的东西的例子是：

import numpy as np

arr=np.ones((10,10,16))
processed_data=np.zeros((arr.shape[0], arr.shape[1]), dtype='object')
factor=2

for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
        processed_data[i][j]=arr[i][j].reshape(int(arr.shape[2]/factor),-1).sum(axis=1)

因此，我们采用最后一个维度，将其重塑为额外维度，然后沿该维度求和。在上面的示例中，数据是一个全为 1 的 10x10x16 数组，因此，当因子 = 2 时，我们会得到一个数据全为 2 的 10x10x8 数组。我希望这能说明我正在努力实现的目标。如果因子变为 4，我们将得到一个 10x10x4 的数组。

这种方法并不理想，因为它涉及创建一个单独的processed_data“对象”数组，我宁愿将其保留为3D数组，只是减少了第三维。它还涉及迭代二维数组中的每个元素，我认为这是没有必要的。而且速度真的很慢。

任何帮助表示赞赏 - 我怀疑这是重塑和转置的组合，但无法理解它。

谢谢。

Answer 1

我认为你可以重塑整个数据和总和：

arr.reshape(*arr.shape[:2], -1, 2).sum(axis=-1)