通过在 numpy/sparse 中将 n^dim 个元素加在一起进行下采样

Question

对于个人项目，我正在尝试对 3d 网格进行下采样，表示为 sparse.COO 数组，具有类似图像的数据（索引编码空间信息，值编码质量）。

据我所知，稀疏涵盖了numpy最重要的部分API，所以我将从这里开始以numpy为例。不幸的是，一些框架不能很好地处理包含许多非零条目的数组。

我尝试编写一个函数，根据这个问题 NumPy: sum every n columns of matrix，将 2^3=8 个元素的块加在一起，但我的版本弄乱了索引：

sparray = np.arange(10*10*10).reshape(10,10,10)

#number of entries to sum in every direction, 2 for only neighbours
num_entries = 2

#the last 3 axis of the reshaped array
axis = tuple(range(-sparray.ndim,0))

downsampled_array = sparray.reshape(
    tuple(
        [int(s/num_entries) for s in sparray.shape]+[num_entries]*sparray.ndim
    )
).sum(axis=axis)

一个二维示例示例：

sparray = np.arange(4*4).reshape(4,4)
>>>array(
  [[ 0,  1,  2,  3],
   [ 4,  5,  6,  7],
   [ 8,  9, 10, 11],
   [12, 13, 14, 15]])

axis = tuple(range(-sparray.ndim,0))
>>>(-2, -1)

#This is what the code does:
>>>array(
  [[ 6, 22],
   [38, 54]])

#should do:
array(
[[10, 19],
 [42, 50]]
)

在此先感谢，这可能是一些非常愚蠢的错误。

Answer 1

已解决。需要交错额外的维度：

def downsample(sparray: sparse.COO, block_size: int):
    if any(x%block_size != 0 for x in sparray.shape):
        return IndexError('One of the Array dimensions is not divisible by the block_size')

    axis = tuple(range(1, 2 * sparray.ndim + 1, 2))
    shape = tuple(index for s in sparray.shape for index in (int(s/block_size), block_size))
    return sparray.reshape(shape).sum(axis=axis)

通过在 numpy/sparse 中将 n^dim 个元素加在一起进行下采样

Downsampling by adding n^dim elements together in numpy/sparse

python

numpy

sparse-matrix

numpy-ndarray