根据单元格区域重新排列 numpy 数组

Question

import numpy as np
from skimage.measure import block_reduce

arr = np.random.random((6, 6))
area_cell = np.random.random((6, 6))

block_reduce(arr, block_size=(2, 2), func=np.ma.mean)

我想将 numpy 数组 arr 从 6 x 6 大小重新网格化为 3 x 3。为此使用 skimage 函数 block_reduce。

但是，block_reduce 假定每个网格单元格具有相同的大小。当每个网格单元格的大小不同时，我该如何解决这个问题？在这种情况下，每个网格单元的大小由 numpy 数组 area_cell

给出

-- 编辑：

一个例子：

arr

0.25    0.58    0.69    0.74
0.49    0.11    0.10    0.41
0.43    0.76    0.65    0.79
0.72    0.97    0.92    0.09

如果 area_cell 的所有元素都是 1，我们将 4 x 4 arr 转换为 2 x 2，结果将是：

0.36    0.48
0.72    0.61

但是，如果area_cell如下：

0.00    1.00    1.00    0.00
0.00    1.00    0.00    0.50
0.20    1.00    0.80    0.80
0.00    0.00    1.00    1.00

那么，结果变成：

0.17    0.22
0.21    0.54

Answer 1

您似乎仍在减少方块，但在 arr 与 area_cell 缩放之后。因此，您只需要在这两个数组之间执行逐元素乘法，并在该乘积数组上使用相同的 block_reduce 代码，就像这样 -

block_reduce(arr*area_cell, block_size=(2, 2), func=np.ma.mean)

或者，我们可以在重塑产品数组的 4D 版本后简单地使用 np.mean，就像这样 -

m,n = arr.shape
out = (arr*area_cell).reshape(m//2,2,n//2,2).mean(axis=(1,3))

样本运行-

In [21]: arr
Out[21]: 
array([[ 0.25,  0.58,  0.69,  0.74],
       [ 0.49,  0.11,  0.1 ,  0.41],
       [ 0.43,  0.76,  0.65,  0.79],
       [ 0.72,  0.97,  0.92,  0.09]])

In [22]: area_cell
Out[22]: 
array([[ 0. ,  1. ,  1. ,  0. ],
       [ 0. ,  1. ,  0. ,  0.5],
       [ 0.2,  1. ,  0.8,  0.8],
       [ 0. ,  0. ,  1. ,  1. ]])

In [23]: block_reduce(arr*area_cell, block_size=(2, 2), func=np.ma.mean)
Out[23]: 
array([[ 0.1725 ,  0.22375],
       [ 0.2115 ,  0.5405 ]])

In [24]: m,n = arr.shape

In [25]: (arr*area_cell).reshape(m//2,2,n//2,2).mean(axis=(1,3))
Out[25]: 
array([[ 0.1725 ,  0.22375],
       [ 0.2115 ,  0.5405 ]])

根据单元格区域重新排列 numpy 数组

Regrid numpy array based on cell area

python

numpy

scikit-image