通過調零非採樣值來對numpy數組進行採樣？

說我有充滿隨機整數通過調零非採樣值來對numpy數組進行採樣？

import numpy as np 
matR = np.random.randint(-10,10,size=(4,6)) 
>>> matR = [[-4 -4 1 -8 -2 5] 
      [ 9 2 -4 -1 4 2] 
      [ 7 8 -2 -9 3 8] 
      [ 9 -3 3 6 4 3]]

現在我知道一個矩陣「R」我喜歡這個樣吧：

>>> matR[::2,::2] = [[-4 1 -2] 
        [ 7 -2 3]]

我真正想要的，但是，是一個乾淨的方式這樣做：

>>> matR.?? = [[-4 0 1 0 -2 0] 
       [ 0 0 0 0 0 0] 
       [ 7 0 -2 0 3 0] 
       [ 0 0 0 0 0 0]]

我想避免python循環，這將很容易使用枚舉。

來源

2013-01-18 RodericDay

您是否需要保持matR以不同的方式進行採樣，或者您真的只需要生成6個隨機數？ –

你想要這樣的東西嗎？

>>> import numpy as np 
>>> m = np.random.randint(-10,10,size=(4,6)) 
>>> m 
array([[ 7, 4, 7, 7, 5, 9], 
     [ 5, -7, -2, 4, 2, -4], 
     [ -9, 4, 6, 8, 5, -10], 
     [ -6, -8, 8, -5, 2, -3]]) 
>>> m2 = np.zeros_like(m) # or m2 = m*0 
>>> m2[::2, ::2] = m[::2, ::2] 
>>> m2 
array([[ 7, 0, 7, 0, 5, 0], 
     [ 0, 0, 0, 0, 0, 0], 
     [-9, 0, 6, 0, 5, 0], 
     [ 0, 0, 0, 0, 0, 0]])

來源

2013-01-18 17:36:51 DSM

很聰明！是的，我喜歡這個。我應該看到它！如果有一些令人難以置信的效率我不知道，但我會堅持下去，但這很可能會發生。 – RodericDay

@RodericDay：是的，等待總是一個好主意。那裏有一些真正的嚮導。 – DSM

如何保持面膜？

>>> import numpy as np 
>>> shape = (4,6) 
>>> m = np.random.randint(-10,10,size = shape) 
>>> mask = np.zeros(shape,dtype = np.int32) 
>>> mask[::2,::2] = 1 
>>> mask 
array([[1, 0, 1, 0, 1, 0], 
     [0, 0, 0, 0, 0, 0], 
     [1, 0, 1, 0, 1, 0], 
     [0, 0, 0, 0, 0, 0]]) 
>>> m 
array([[-7, 0, -4, -8, 0, 0], 
     [ 0, -3, -2, -1, 1, 2], 
     [ 8, -8, 5, 1, 9, 1], 
     [ 1, 0, 2, 7, 4, -8]]) 
>>> m * mask 
array([[-7, 0, -4, 0, 0, 0], 
     [ 0, 0, 0, 0, 0, 0], 
     [ 8, 0, 5, 0, 9, 0], 
     [ 0, 0, 0, 0, 0, 0]])

來源

2013-01-18 18:09:50

這很好，但我想我會按照上面的建議去做。同樣的想法，更簡單一些。謝謝！ – RodericDay

通過調零非採樣值來對numpy數組進行採樣？

回答

相關問題