在几个方面numpy的卷 [英] Numpy roll in several dimensions

问题描述

我需要一个3D阵列位移的3D矢量算法转变。
截至目前我使用这个（admitedly非常难看）方法：

I need to shift a 3D array by a 3D vector of displacement for an algorithm. As of now I'm using this (admitedly very ugly) method :

shiftedArray = np.roll(np.roll(np.roll(arrayToShift, shift[0], axis=0)
                                     , shift[1], axis=1),
                             shift[2], axis=2)  

其中的作品，而是指我打电话3卷！ （我的算法时的58％都花在这些，根据我的分析）

Which works, but means I'm calling 3 rolls ! (58% of my algorithm time is spent in these, according to my profiling)

从Numpy.roll的文档：

From the docs of Numpy.roll:

参数：结果
  转变：INT

Parameters:
shift : int

轴：INT，可选

类似数组的参数...所以我不能有一个多维滚动？没有提及

No mention of array-like in parameter ... So I can't have a multidimensional rolling ?

我想我可能只是调用这种功能（听起来像一个numpy的事）：

I thought I could just call a this kind of function (sounds like a Numpy thing to do) :

np.roll(arrayToShift,3DshiftVector,axis=(0,1,2))

也许与我的数组的平铺版本重塑？但我怎么计算转移载体？并且这种转变真的一样吗？

Maybe with a flattened version of my array reshaped ? but then how do I compute the shift vector ? and is this shift really the same ?

我很惊讶地发现，这个不容易解决，因为我认为这将是做pretty常见的事（好吧，不是的是的常见的，但...）

I'm surprised to find no easy solution for this, as I thought this would be a pretty common thing to do (okay, not that common, but ...)

那么，如何才能有效地--relatively--由n维向量转移一个ndarray？

So how do we --relatively-- efficiently shift a ndarray by a N-Dimensional vector ?

推荐答案

我觉得 scipy.ndimage.interpolation.shift 会做你想要什么，从<一个href=\"http://docs.scipy.org/doc/scipy-0.15.1/reference/generated/scipy.ndimage.interpolation.shift.html\"相对=nofollow>文档

I think scipy.ndimage.interpolation.shift will do what you want, from the docs

转变：float或序列，可选的

shift : float or sequence, optional

沿轴的转变。如果浮子，移位是每个轴是相同的。如果一个序列，换挡应包含每个轴一个值。

The shift along the axes. If a float, shift is the same for each axis. If a sequence, shift should contain one value for each axis.

这意味着你可以做到以下几点，

Which means you can do the following,

from scipy.ndimage.interpolation import shift
import numpy as np

arrayToShift = np.reshape([i for i in range(27)],(3,3,3))

print('Before shift')
print(arrayToShift)

shiftVector = (1,2,3)
shiftedarray = shift(arrayToShift,shift=shiftVector,mode='wrap')

print('After shift')
print(shiftedarray)

其中产量，

Before shift
[[[ 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]]]
After shift
[[[16 17 16]
  [13 14 13]
  [10 11 10]]

 [[ 7  8  7]
  [ 4  5  4]
  [ 1  2  1]]

 [[16 17 16]
  [13 14 13]
  [10 11 10]]]

这篇关于在几个方面numpy的卷的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！