如何使用NumPY对降尺度函数进行矢量化?

2024-03-29 06:38:15 发布

您现在位置:Python中文网/ 问答频道 /正文

给定NumPY中的一个NxM矩阵,我希望将其简化为一个NxO矩阵(O<<&书信电报;M) 使NxO矩阵中的值从原始矩阵中等距采样线性插值

作为一个例子,考虑3x10矩阵:

[
    [1  2  3  4  5  6  7  8  9  10]
    [10 9  8  7  6  5  4  3  2  1 ]
    [4  6  4  6  4  6  4  6  4  6 ]
]

如果我将此样本向下采样为3x4矩阵,则值可能会如下对齐:

1   2   3   4   5   6   7   8   9   10
|---|---|---|---|---|---|---|---|---|
       *      *       *      *      
       1      2       3      4

通常,给定M个原始元素向下采样为O个新元素,第一个元素应从(M-1)/(O+1)中采样,并在(M-1)/(O+1)步骤中进行额外采样。这可以在上图中看到,其中10个原始元素在元素之间产生9个“间隙”。我们希望将这9个“间隙”的距离分成5个相等的部分(在左右两侧留出相等的空间,每个元素之间的间距相等)。因此,每个新元素的间距为9/5=1.8“间隙”:

  • 新元素0=旧元素1.8
  • 新要素1=旧要素3.6
  • 新要素2=旧要素5.4
  • 新要素3=旧要素7.2

使用基本线性插值,我们可以说“元素1.8”是元素2的80%加上元素1的20%

因此,我的最终矩阵如下所示:

[
    [2.8 4.6 6.4 8.2]
    [8.2 6.4 4.6 2.8]
    [4.4 4.8 5.2 5.6]
]

我考虑编写一个函数来计算输出值,并使用np.apply_along_axis()方法,但后来我看到this StackOverflow post说这样做只是for循环的一个脆弱包装,最好对函数进行向量化

那么如何将其矢量化呢?能做到吗


Tags: 函数ltnumpy元素矩阵电报例子要素
1条回答
网友
1楼 · 发布于 2024-03-29 06:38:15

试试这个功能

def downsample(m, samples):
    weights = np.zeros((m.shape[1], samples))
    for n in range(samples):
        pos = ((m.shape[1] - 1) / (samples + 1)) * (n + 1)
        if pos == np.floor(pos):
            weights[int(np.floor(pos)), n] = 1
        else:
            weights[int(np.ceil(pos)), n] = pos - int(np.floor(pos))
            weights[int(np.floor(pos)), n] = int(np.ceil(pos)) - pos
    return np.matmul(m, weights)

它基于您描述的插值创建权重矩阵,然后将该权重应用于整个矩阵

相关问题 更多 >