Remodeler le tableau numpy pour contenir des blocs logiques de valeurs du tableau original

Question

Mon google-fu m'a fait défaut !

J'ai un tableau numpy comme suit :

    0     1     2     3
  ------------------------
0 | 100   110   120   130   
1 | 140   150   160   170
2 | 180   190   200   210
3 | 220   230   240   250
4 | 260   270   280   290
5 | 300   310   320   330
6 | 340   350   360   370
7 | 380   390   400   410
8 | 420   430   440   450

dont la forme est (9, 4) . Je veux remodeler le tableau ci-dessus pour obtenir le tableau suivant (6, 6) le tableau :

    0     1     2     3     4     5
  -------------------------------------
0 | 100   110 | 140   150 | 180   190
1 | 120   130 | 160   170 | 200   210
  -------------------------------------
2 | 220   230 | 260   270 | 300   310
3 | 240   250 | 280   290 | 320   330
  -------------------------------------
4 | 340   350 | 380   390 | 420   430
5 | 360   370 | 400   410 | 440   450

Je suis capable de le faire avec 2 for les boucles et certaines conditions. Existe-t-il un meilleur moyen d'obtenir le même résultat en utilisant numpy.reshape en une seule ligne de code ?

Merci d'avance.

Answer 1

En fait, c'est un (3, 3) de (2, 2) les tableaux, il faut donc d'abord les remodeler dans une (3, 3, 2, 2) le tableau.

Ensuite, transposez-le de manière à ce que les axes soient corrects pour le recombiner en une (6, 6) le tableau :

a.reshape(3, 3, 2, 2).transpose([0,2,1,3]).reshape(6,6)

Answer 2

J'ai fait quelque chose de similaire mais peut-être plus intuitif :

a = np.arange(36).reshape([9,4])
>>>
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]])

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