小编Zar*_*tra的帖子

我想在不使用循环的情况下实现以下例程，只需使用 Numpy 函数或 ndarray 方法。这是代码：

def split_array_into_blocks( the_array, block_dim, total_blocks_per_row ):

    n_grid = the_array.shape[0]
    res    = np.empty( (n_grid, total_blocks_per_row, total_blocks_per_row, block_dim, 
    block_dim ) )

    for i in range( total_blocks_per_row  ):
        for j in range( total_blocks_per_row ):
        
            subblock          = the_array[ :, block_dim*i:block_dim*(i+1), block_dim*j:block_dim*(j+1) ]   
            res[ :, i,j,:,: ] = subblock 

    return res

我尝试过“重塑”方法，以便：

the_array = the_array.reshape( ( n_grid, total_blocks_per_row, total_blocks_per_row, block_dim, block_dim) )

但这似乎以某种方式改变了元素的顺序，并且块需要像在例程中一样存储。任何人都可以提供一种方法来做到这一点，并简要解释为什么 reshape 方法在这里给出不同的结果？（也许我还缺少使用 np.transpose() ？）

编辑：我想出了这个替代实现，但我仍然不确定这是否是最有效的方法（也许有人可以在这里说明）：

def split_array_in_blocks( the_array, block_dim, total_blocks_per_row ):
       
    indx   = [ block_dim*j for …