Python/Numpy:在多维数组的分组列中按行组合布尔掩码

Question

我有一个包含r行和c列的3D布尔数组(布尔掩码数组的2D numpy数组(。在下面的示例中，阵列形状为(3，6，2(；3行和6列，其中每列包含2个元素。

maskArr = np.array([
[[True, False], [True, True], [True, True], [True, True], [True, True], [True, True]],
[[False, True], [False, True], [True, True], [False, True], [True, True], [True, True]],
[[True, False], [True, True], [True, True], [True, True], [True, True], [True, True]],
])
# If n=2:  |<-   AND   these 2 cols  ->|<-   AND   these 2 cols  ->|<-   AND   these 2 cols  ->|
# If n=3:  |<-----       AND  these 3 cols    ----->|<-----      AND   these 3 cols     ----->|

我知道我可以像前面的回答一样，将np.all(maskArr, axis=1)到and一起使用每行中的所有掩码数组，但我希望将and一起使用每行中以n列为增量的布尔数组。

因此，如果我们从上面的6列和n=2开始，我想对每2列应用等效的np.all，得到3列的最终结果，其中：

1. 结果数组的第一列等于原始数组AND的前(2(列的行加在一起-result[:,0] = np.all(maskArr[:,0:1], axis=1)
2. 结果数组的第二列等于原始数组AND的第二(2(列的行result[:,1] = np.all(maskArr[:,2:3], axis=1)
3. 结果数组的第三列等于原始数组AND最后(2(列的行result[:,2] = np.all(maskArr[:,4:5], axis=1)

有没有办法使用np.all(或另一种矢量化方法(来获得这个结果？

n=2:的预期结果

>>>    np.array([
[[True, False], [True, True], [True, True]],
[[False, True], [False, True], [True, True]],
[[True, False], [True, True], [True, True]],
])

注意：我使用的数组非常大，所以我正在寻找一种矢量化的方法来最大限度地减少对性能的影响。实际的布尔数组可以有数千个元素长。

我试过：

n = 2
c = len(maskArr[0])      ## c = 6  (number of columns)
nResultColumns = int(c / n)   ## nResultColumns = 3
combinedMaskArr = [np.all(maskArr[:,i*n:i*n+n], axis=1) for i in range(nResultColumns)]

这给了我：

>>>  [
array([[True, False], [False, True], [True, False]]), 
array([[True, True], [False, True], [True, True]]), 
array([[True, True], [True, True], [True, True]])
]

上面的输出不是预期的格式或值。

关于如何达到预期结果，有什么指导或建议吗？

提前谢谢。

Answer 1

如果我正确理解了你的问题，下面的方法就行了。

n = 2
cols = mask_arr.shape[1]
chunks = math.ceil(cols / n)
groups = np.array_split(np.swapaxes(mask_arr, 0, 1), chunks)
combined = np.array([np.all(g, axis=0) for g in groups])
result = np.swapaxes(combined, 0, 1)

如果cols可以被n整除，我认为这是有效的：

n = 2
rows, cols = mask_arr.shape[0:2]
result = np.all(mask_arr.reshape(rows, cols // n, n, -1), axis=2)