numpy.lib.stride_tricks.sliding_window_view #

lib.stride_tricks。slider_window_view ( x , window_shape , axis = None , * , subok = False , writeable = False ) [来源] #

使用给定的窗口形状在数组中创建一个滑动窗口视图。

也称为滚动或移动窗口，窗口在数组的所有维度上滑动，并在所有窗口位置提取数组的子集。

1.20.0 版本中的新增功能。

参数：
x类似数组

用于创建滑动窗口视图的数组。

window_shape int 或 int 元组

参与滑动窗口的每个轴上的窗口大小。如果axis不存在，则长度必须与输入数组维数相同。单个整数i被视为元组(i,)。

axis int 或 int 元组，可选

应用滑动窗口的一个或多个轴。默认情况下，滑动窗口应用于所有轴，并且 window_shape[i]将引用x的轴i。如果axis以int 元组形式给出，则window_shape[i]将引用x的轴axis[i]。单个整数i被视为元组(i,)。

subok布尔，可选

如果为 True，子类将被传递，否则返回的数组将被强制为基类数组（默认）。

可写布尔值，可选

如果为 true，则允许写入返回的视图。默认值为 false，因为应谨慎使用：返回的视图多次包含相同的内存位置，因此写入一个位置将导致其他位置发生更改。

返回：
查看ndarray

阵列的滑动窗口视图。滑动窗口尺寸插入到最后，并根据滑动窗口的尺寸要求修剪原始尺寸。也就是说，， 其中每个条目都比相应的窗口大小减一。view.shape = x_shape_trimmed + window_shapex_shape_trimmedx.shape

也可以看看

lib.stride_tricks.as_strided

一种较低级别且不太安全的例程，用于根据自定义形状和步幅创建任意视图。

broadcast_to

将数组广播到给定的形状。

笔记

对于许多应用程序来说，使用滑动窗口视图可能很方便，但可能非常慢。通常存在专门的解决方案，例如：

作为粗略估计，输入大小为N 且窗口大小为W的滑动窗口方法将缩放为O(N*W) ，其中通常特殊算法可以实现O(N)。这意味着窗口大小为 100 的滑动窗口变体可能比更专业的版本慢 100 倍。

然而，对于小窗口尺寸，当不存在自定义算法时，或者作为原型设计和开发工具，此函数可能是一个很好的解决方案。

例子

>>> x = np.arange(6)
>>> x.shape
(6,)
>>> v = sliding_window_view(x, 3)
>>> v.shape
(4, 3)
>>> v
array([[0, 1, 2],
       [1, 2, 3],
       [2, 3, 4],
       [3, 4, 5]])

这也适用于更多维度，例如

>>> i, j = np.ogrid[:3, :4]
>>> x = 10*i + j
>>> x.shape
(3, 4)
>>> x
array([[ 0,  1,  2,  3],
       [10, 11, 12, 13],
       [20, 21, 22, 23]])
>>> shape = (2,2)
>>> v = sliding_window_view(x, shape)
>>> v.shape
(2, 3, 2, 2)
>>> v
array([[[[ 0,  1],
         [10, 11]],
        [[ 1,  2],
         [11, 12]],
        [[ 2,  3],
         [12, 13]]],
       [[[10, 11],
         [20, 21]],
        [[11, 12],
         [21, 22]],
        [[12, 13],
         [22, 23]]]])

可以显式指定轴：

>>> v = sliding_window_view(x, 3, 0)
>>> v.shape
(1, 4, 3)
>>> v
array([[[ 0, 10, 20],
        [ 1, 11, 21],
        [ 2, 12, 22],
        [ 3, 13, 23]]])

同一轴可以多次使用。在这种情况下，每次使用都会减少相应的原始维度：

>>> v = sliding_window_view(x, (2, 3), (1, 1))
>>> v.shape
(3, 1, 2, 3)
>>> v
array([[[[ 0,  1,  2],
         [ 1,  2,  3]]],
       [[[10, 11, 12],
         [11, 12, 13]]],
       [[[20, 21, 22],
         [21, 22, 23]]]])

与逐步切片（::step）相结合，这可以用于获取跳过元素的滑动视图：

>>> x = np.arange(7)
>>> sliding_window_view(x, 5)[:, ::2]
array([[0, 2, 4],
       [1, 3, 5],
       [2, 4, 6]])

或移动多个元素的视图

>>> x = np.arange(7)
>>> sliding_window_view(x, 3)[::2, :]
array([[0, 1, 2],
       [2, 3, 4],
       [4, 5, 6]])

一个常见的应用sliding_window_view是运行统计数据的计算。最简单的例子是 移动平均线：

>>> x = np.arange(6)
>>> x.shape
(6,)
>>> v = sliding_window_view(x, 3)
>>> v.shape
(4, 3)
>>> v
array([[0, 1, 2],
       [1, 2, 3],
       [2, 3, 4],
       [3, 4, 5]])
>>> moving_average = v.mean(axis=-1)
>>> moving_average
array([1., 2., 3., 4.])

请注意，滑动窗口方法通常不是最佳的（请参阅注释）。