Pencereli maksimum sayı

Question

Bir dizim var ve 2x2 örtüşmeyen pencereleri tarayarak ve en yüksek değeri elde ederek daha küçük bir dizi oluşturmak istiyorum.

import numpy as np 

np.random.seed(123) 
np.set_printoptions(linewidth=1000,precision=3) 
arr = np.random.uniform(-1,1,(4,4)) 
res = np.zeros((2,2)) 
for i in xrange(res.shape[0]): 
    for j in xrange(res.shape[1]): 
     ii = i*2 
     jj = j*2 
     res[i][j] = max(arr[ii][jj],arr[ii+1][jj],arr[ii][jj+1],arr[ii+1][jj+1]) 

print arr 
print res 

Yani böyle bir matris

:

[[ 0.393 -0.428 -0.546 0.103] 
[ 0.439 -0.154 0.962 0.37 ] 
[-0.038 -0.216 -0.314 0.458] 
[-0.123 -0.881 -0.204 0.476]] 

bu duruma düşerse

: İşte bir örnek

[[ 0.439 0.962] 
[-0.038 0.476]]  

nasıl daha verimli yapabilirim?

Answer 1

Bunu yapabilirsin:

print arr.reshape(2,2,2,2).swapaxes(1,2).reshape(2,2,4).max(axis=-1) 

[[ 0.439 0.962] 
[-0.038 0.476]] 

ile başlayan açıklamak için: Biz ilk grubuyla alakalı bölüme eksenlerini istediğiniz

arr=np.array([[0.393,-0.428,-0.546,0.103], 
[0.439,-0.154,0.962,0.37,], 
[-0.038,-0.216,-0.314,0.458], 
[-0.123,-0.881,-0.204,0.476]]) 

.

tmp = arr.reshape(2,2,2,2).swapaxes(1,2) 
print tmp  

[[[[ 0.393 -0.428] 
    [ 0.439 -0.154]] 

    [[-0.546 0.103] 
    [ 0.962 0.37 ]]] 


[[[-0.038 -0.216] 
    [-0.123 -0.881]] 

    [[-0.314 0.458] 
    [-0.204 0.476]]]] 

yeniden şekillendirme kez veri gruplarını elde daha istiyoruz:

tmp = tmp.reshape(2,2,4) 
print tmp 

[[[ 0.393 -0.428 0.439 -0.154] 
    [-0.546 0.103 0.962 0.37 ]] 

[[-0.038 -0.216 -0.123 -0.881] 
    [-0.314 0.458 -0.204 0.476]]] 

Son olarak geçen eksen boyunca max alır. Size daha fazla bu genelleme yapabiliriz Jamie ve Dougal yorumlarına ardından

k = arr.shape[0]/2 
arr.reshape(k,2,k,2).swapaxes(1,2).reshape(k,k,4).max(axis=-1) 

:

Bu kadar kare matrisler için, genelleştirilmiş edilebilir

n = 2     #Height of window 
m = 2     #Width of window 
k = arr.shape[0]/n #Must divide evenly 
l = arr.shape[1]/m #Must divide evenly 
arr.reshape(k,n,l,m).max(axis=(-1,-3))    #Numpy >= 1.7.1 
arr.reshape(k,n,l,m).max(axis=-3).max(axis=-1)  #Numpy < 1.7.1 

Answer 2

ben yorum alanında belirtildiği gibi, NumBa kullanmayı düşünün. Çift döngüsünü olduğu gibi bırakabilir, bir dekoratörde yaklaşık 10 karakter ekleyebilir ve bunun için C benzeri performans elde edebilirsiniz. Continytity Analytics'in "Anaconda" Python dağıtımı ile çalışıyorsanız, kullanımı kolay kutu.

NumBa için neredeyse mükemmel bir kullanım örneğidir, çünkü bu algoritma çift döngüde daha doğal bir şekilde ifade edilir. Yeniden şekillendirme yaklaşımı hızlı dizi işlemlerini kullanır, ancak programın amacını zaten bilmedikçe son derece okunamaz. Bu gibi işlevleri genişletilmiş biçimde bırakmak ve gerçeğin ardından düşük seviyeli bir dile başka bir şeyin dönüşmesine izin vererek hız elde etmek son derece arzu edilir.