使用具有numpy阵列的特定大小的较小矩阵在n x n矩阵中循环

Question

我目前有以下问题，给定一个数组，为了简单起见，假设一个4 x 4数组（我实际上正在使用512 x 512）

X = np.array([[3, 5, 2, 4],
              [7, 6, 8, 8],
              [1, 6, 7, 7],
              [2, 1, 3, 4]])

我想在数组周围循环/滑动，这样我就可以在表单中保存新数组

< code>np.array([3，5]，[7，6])，np.array([2，4]，[8，8])，np.array([1，6]，[2，1])，np.array ([7，7]，[1，4])等等(理想情况下，我可以选择我的“滑动”窗口的步长和大小)。我还想根据一些条件选择这些数组，见下文。

目前，我设法通过切片（参见代码）我的矩阵来做几乎所有事情。这给出了我想要的步骤的正确切片，然后通过使用 itertools 模块，我可以遍历我的所有列表列表，计算小于某个值的元素并保存它们。我不能做的是将所有这些新列表之间的索引链接到主矩阵。出于这个原因，我正在考虑将所有内容移动到 numpy 数组，这应该（在我的理解中）在计算方面更有效率，我想应该解决我的索引问题。现在唯一的问题是我不知道为任意 n x n 矩阵解决这个问题。

X = np.array([[3, 5, 2, 4],
          [7, 6, 8, 8],
          [1, 6, 7, 7],
          [2, 1, 3, 4]])

width = len(m[0])
height = len(m)
height = 2  # size of the matrix sliding
width = 2
for i in range(0, height - slice_y + 1,2):
    for j in range(0, width - slice_x + 1,2):

        Appended.append(
                [
                    [m[a][b] for b in range(j, j + slice_x)]
                    for a in range(i, i + slice_y)
                ]

            )

理想情况下，我想要的是一个一般的矩阵N x N，但目前也只像示例中那样，以数组形式获得输出，如：

np.array([3,5],[7,6]) .  np.array ([2,4], [8,8])  ,  np.array  ([1,6],[2,1]),   np.array ([7,7],[1,4])

假设有一次发现数组 np.array（[2，4]， [8，8]） 有两个大于 7 的元素，总和大于 20，以保存这个数组相对于我的初始矩阵的坐标。因此，保存索引耦合 X[0][2]、X[0][3]、X[1][2]、X[1][3] 或至少是第一个 X[0][2]，因此通过了解我的“窗口”的步骤，我可以通过索引我的主矩阵来访问我的子数组。

Answer 1

显然，您可以直接切片Numpy数组

X = np.array([[3, 5, 2, 4],
      [7, 6, 8, 8],
      [1, 6, 7, 7],
      [2, 1, 3, 4]])[0:2,0:2]

在你的例子中，我会生成一个你将要使用的子矩阵的边的索引列表。然后使用它来生成子矩阵列表，然后使用它来基于子矩阵生成真或假值列表。然后，您可以使用该真/假值列表来删除您的初始指数列表。您也可以在根本不存储子矩阵的情况下做到这一点。

indicies= [((i,i+s_width),(j,j+s_height)) for i in range(0,width-s_width) for j in range(0,height-s_height)]