2D numpy配列を平均でグループ化する

Question

numpy配列を要素の平均値をとるように小さなサイズにグループ化しようとしています。たとえば、20×20サイズのアレイを作成するために、100×100アレイ内の5×5のサブアレイを平均して取るなど。私は巨大なデータを操作する必要があるので、それを効率的に行う方法はありますか？

Answer 1

Iは小さいアレイのためにこれを試みたので、あなたとそれをテストした：6×6と

import numpy as np 

nbig = 100 
nsmall = 20 
big = np.arange(nbig * nbig).reshape([nbig, nbig]) # 100x100 

small = big.reshape([nsmall, nbig//nsmall, nsmall, nbig//nsmall]).mean(3).mean(1) 

例 - > 3×3：

nbig = 6 
nsmall = 3 
big = np.arange(36).reshape([6,6]) 
array([[ 0, 1, 2, 3, 4, 5], 
     [ 6, 7, 8, 9, 10, 11], 
     [12, 13, 14, 15, 16, 17], 
     [18, 19, 20, 21, 22, 23], 
     [24, 25, 26, 27, 28, 29], 
     [30, 31, 32, 33, 34, 35]]) 

small = big.reshape([nsmall, nbig//nsmall, nsmall, nbig//nsmall]).mean(3).mean(1) 

array([[ 3.5, 5.5, 7.5], 
     [ 15.5, 17.5, 19.5], 
     [ 27.5, 29.5, 31.5]]) 

Answer 2

それは速いかもしれないように私が感じるが、これは、非常に簡単です：

from __future__ import division 
import numpy as np 
Norig = 100 
Ndown = 20 
step = Norig//Ndown 
assert step == Norig/Ndown # ensure Ndown is an integer factor of Norig 
x = np.arange(Norig*Norig).reshape((Norig,Norig)) #for testing 
y = np.empty((Ndown,Ndown)) # for testing 
for yr,xr in enumerate(np.arange(0,Norig,step)): 
    for yc,xc in enumerate(np.arange(0,Norig,step)): 
     y[yr,yc] = np.mean(x[xr:xr+step,xc:xc+step]) 

あなたはまた、scipy.signal.decimate面白いかもしれません。データをダウンサンプリングする前に、単純な平均化よりも高度なローパス・フィルタを適用しますが、一方の軸をデシメートし、次にもう一方の軸をデシメートする必要があります。

Answer 3

平均サイズN×N個のサブアレイ上に2次元アレイ。

height, width = data.shape 
data = average(split(average(split(data, width // N, axis=1), axis=-1), height // N, axis=1), axis=-1) 

Answer 4

eumiro's approachが.mean(3).mean(1)限りマスクされた配列では動作しないことに注意してください軸3に沿った各平均値は同じ数の値から計算された。配列にマスクされた要素がある場合、この前提はそれ以上保持されません。その場合、.mean(3)を計算するために使用される値の数を追跡し、.mean(1)を加重平均で置き換える必要があります。重みは、.mean(3)を計算するために使用される正規化された値の数です。ここ

は一例であり：

[本]と同様に

import numpy as np 


def gridbox_mean_masked(data, Nbig, Nsmall): 
    # Reshape data 
    rshp = data.reshape([Nsmall, Nbig//Nsmall, Nsmall, Nbig//Nsmall]) 

    # Compute mean along axis 3 and remember the number of values each mean 
    # was computed from 
    mean3 = rshp.mean(3) 
    count3 = rshp.count(3) 

    # Compute weighted mean along axis 1 
    mean1 = (count3*mean3).sum(1)/count3.sum(1) 
    return mean1 


# Define test data 
big = np.ma.array([[1, 1, 2], 
        [1, 1, 1], 
        [1, 1, 1]]) 
big.mask = [[0, 0, 0], 
      [0, 0, 1], 
      [0, 0, 0]] 
Nbig = 3 
Nsmall = 1 

# Compute gridbox mean 
print gridbox_mean_masked(big, Nbig, Nsmall)