NumPy 2D数组高效块级修改：基于视图与查找表的策略

---

本教程旨在介绍如何利用numpy的`np.lib.stride_tricks.as_strided`功能，结合查找表机制，高效地对2d数组进行2x2块级别的修改。通过创建数组视图而非复制数据，并利用高级索引进行矢量化操作，此方法显著优于传统的python循环，极大提升了处理大型数据集的性能。

引言：Python循环的性能瓶颈

在处理大型NumPy数组时，如果需要对数组中的局部小块（例如2x2的子矩阵）进行模式识别和替换操作，传统的Python循环（如使用itertools.product遍历坐标）会因为解释器开销和逐元素操作而效率低下。NumPy的核心优势在于其矢量化操作，能够将循环操作推送到C语言层面执行，从而获得显著的性能提升。本教程的目标是展示如何采用NumPy原生的、矢量化的方式来高效地实现2D数组的2x2块级修改。

核心策略：利用NumPy视图与步幅技巧

实现高效块级操作的关键在于np.lib.stride_tricks.as_strided。这个函数允许我们创建一个现有NumPy数组的“视图”，而无需复制底层数据。通过巧妙地定义视图的shape（形状）和strides（步幅），我们可以将一个2D数组解释为一个由多个2x2块组成的更高维数组。对这个视图的修改会直接反映在原始数组上，从而避免了昂贵的数据复制操作。

理解 shape 和 strides 参数

• shape: 新视图的形状。对于一个 (ny, nx) 的原始2D数组 A，如果我们要以 (2, 2) 的块进行操作，那么新的视图的形状将是 (ny//2, nx//2, 2, 2)。这表示视图包含 ny//2 行和 nx//2 列，每个“元素”本身又是一个 (2, 2) 的子数组。

• strides: 定义了在内存中沿着某个维度移动一个单位所需的字节数。

  • 对于原始数组 A，其步幅为 A.strides = (row_stride, col_stride)，其中 row_stride 是跳到下一行所需的字节数，col_stride 是跳到下一列所需的字节数。
  • 为了在视图中从一个2x2块的起始位置跳到下一个2x2块的起始位置（即视图的第一和第二个维度），我们需要在原始数组中跳过两行或两列。因此，视图的第一个维度（块行）步幅是 A.strides[0] * 2，第二个维度（块列）步幅是 A.strides[1] * 2。
  • 为了在视图内部的2x2块中移动（即视图的第三和第四个维度），我们需要按照原始数组的行和列步幅来移动。因此，视图的第三个维度（块内行）步幅是 A.strides[0]，第四个维度（块内列）步幅是 A.strides[1]。
  • 综合起来，视图的步幅将是 (A.strides[0]*2, A.strides[1]*2, A.strides[0], A.strides[1])。

示例：创建2x2块视图

import numpy as np

# 示例数据：一个10x10的二进制数组
A = np.random.randint(0, 2, (10, 10))
print("原始数组 A:")
print(A)

# 计算视图的形状和步幅
ny, nx = A.shape
block_rows = ny // 2
block_cols = nx // 2

# 创建2x2块的视图
Av = np.lib.stride_tricks.as_strided(A,
                                     shape=(block_rows, block_cols, 2, 2),
                                     strides=(A.strides[0] * 2, A.strides[1] * 2,
                                              A.strides[0], A.strides[1]))
print("\n通过as_strided创建的2x2块视图 Av 的形状:", Av.shape)
print("Av[0,0] (原始数组A的第一个2x2块):\n", Av[0,0])

# 验证视图是否指向原始数据 (修改视图会影响原始数组)
# Av[0,0,0,0] = 99 # 修改视图的第一个元素
# print("\n修改Av[0,0,0,0]后，原始数组A的左上角:\n", A[:2,:2]) # 原始数组A也会随之改变

方法一：基于多维查找表的块替换

当每个2x2块的替换规则依赖于其内部的四个元素时，我们可以构建一个多维查找表（Lookup Table, LUT）。对于由布尔值（0或1）组成的2x2块，共有 2^4 = 16 种可能的状态。查找表将以前四个元素的值作为索引，存储对应的2x2替换块。

Copymatic

Cowriter是一款AI写作工具，可以通过为你生成内容来帮助你加快写作速度和激发写作灵感。

149 查看详情

构建与应用查找表

查找表的形状将是 (2, 2, 2, 2, 2, 2)，其中前四个 2 对应输入2x2块的四个元素 (0,0), (0,1), (1,0), (1,1) 的值，后两个 2 对应替换后的2x2块的形状。

# 示例查找表 (lut[val00, val01, val10, val11] = replacement_block)
# lut的形状为 (2,2,2,2, 2,2)
# 前四个2代表2x2块的四个元素 (0,0), (0,1), (1,0), (1,1) 的值
# 后两个2代表替换后的2x2块的形状
lut = np.zeros((2, 2, 2, 2, 2, 2), dtype=A.dtype)

# 填充一些转换规则。例如：
# 1. 原始块 [[0,0],[0,0]] 替换为 [[1,1],[1,1]]
lut[0, 0, 0, 0] = [[1, 1], [1, 1]]
# 2. 原始块 [[0,0],[0,1]] 替换为 [[1,1],[1,0]]
lut[0, 0, 0, 1] = [[1, 1], [1, 0]]
# 3. 原始块 [[0,1],[0,0]] 替换为 [[1,1],[0,1]]
lut[0, 1, 0, 0] = [[1, 1], [0, 1]]
# 4. 原始块 [[1,1],[0,0]] 替换为 [[1,1],[1,1]]
lut[1, 1, 0, 0] = [[1, 1], [1, 1]]
# ... 可以根据需要填充所有16种情况

# 应用查找表进行块替换
# 使用高级索引，将Av中的每个2x2块的四个元素作为lut的索引
Av[:] = lut[Av[..., 0, 0], Av[..., 0, 1], Av[..., 1, 0], Av[..., 1, 1]]

print("\n方法一：使用多维查找表后的数组 A:")
print(A)

方法二：基于一维查找表与索引转换的块替换

为了简化查找表的索引，我们可以将每个2x2块的四个布尔值转换为一个单一的整数索引（0-15）。这可以通过为每个位置分配一个权重并求和来实现。这种方法可以使查找表更紧凑，并可能简化索引逻辑。

索引转换与一维查找表

我们可以定义一个权重矩阵，例如：

[[8, 4],
 [2, 1]]

对于一个2x2块 [[v00, v01], [v10, v11]]，其对应的单一索引将是 v00*8 + v01*4 + v10*2 + v11*1。这个索引的范围是0到15。

# 重新初始化数组A进行演示
A = np.random.randint(0, 2, (10, 10))
ny, nx = A.shape
block_rows = ny // 2
block_cols = nx // 2
Av = np.lib.stride_tricks.as_strided(A,
                                     shape=(block_rows, block_cols, 2, 2),
                                     strides=(A.strides[0] * 2, A.strides[1] * 2,
                                              A.strides[0], A.strides[1]))
print("\n重新初始化后的原始数组 A:")
print(A)

# 示例一维查找表 (lut2[index] = replacement_block)
lut2 = np.zeros((16, 2, 2), dtype=A.dtype)

# 填充一些转换规则。例如：
# 索引0 (对应原始块 [[0,0],[0,0]]) 替换为 [[1,1],[1,1]]
lut2[0] = [[1, 1], [1, 1]]
# 索引1 (对应原始块 [[0,0],[0,1]]) 替换为 [[1,1

以上就是NumPy 2D数组高效块级修改：基于视图与查找表的策略的详细内容，更多请关注其它相关文章！

# 于其  # 淮安全网营销推广  # 作网站推广的方法  # 孝感网站建设优化推广  # 西湖新媒体营销推广  # 渝中seo优化公司服务  # 公司网站建设规则  # 关于网站建设质量确认  # 河南获客软件推广营销  # 景区门票营销推广文案  # 企业官方网站的推广方案  # 矢量化  # python  # 第二个  # 浮点  # 跳到  # 所需  # 第一个  # 将是  # 我们可以  # 多维  # 性能瓶颈  # 字节  # c语言 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 如何自定义苹果手机铃声  酷狗音乐多音轨设置教程  喜茶GO更换登录账号方法  顺丰快递怎么查物流_顺丰快递物流信息实时查询操作指南  《海豚家》注销账号方法  PHP utf8_encode 字符编码转换疑难解析与最佳实践  圆通快递包裹轨迹查询 圆通速递快件实时位置跟踪  太平年在哪个平台播出  折叠屏手机充不进电是什么问题？ 特殊结构带来的维修难点  多闪电脑版下载_多闪PC端模拟器使用  HTML Canvas文本样式定制指南：解决外部字体加载与应用难题  2025考研成绩查询时间入口分享  iPhone 14 Pro如何更改区域设置_iPhone 14 Pro地区语言修改教程  cad视图选项卡不见了怎么办_cad视图标签恢复显示方法  虫虫漫画绿色安全入口_虫虫漫画绿色安全入口安全看漫画  Flexbox布局中Stencil组件宽度不显示问题解析与:host尺寸控制  《KARDS》冬季扩展包“国土阵线”上线！全新“协力”机制改变战场格局  FullCalendar自定义按钮样式定制指南  Dash应用中自定义HTML页面标题与网站图标（F*icon）的实用指南  Python中安全地将环境变量转换为整数的类型注解指南  谷歌浏览器官网地址整理_谷歌浏览器新版直连2026稳定访问  高效调试PHP大型嵌套数组：JSON序列化与可视化工具实践  如何在CSS中使用伪类选择器_hover实现悬停效果  Python对象引用与属性赋值：理解链表中的行为  windows10怎么开启wsl_windows10安装linux子系统教程  天堂漫画网页版在线阅读 天堂漫画手机版入口  什么是Satis，如何用它搭建一个私有的composer仓库？  在PHP环境中正确加载HTML资源：CSS样式与图片路径指南  火狐浏览器无法自动更新怎么办 手动更新火狐浏览器到最新版本【解决】  《顺丰同城骑士》查看我的技能方法  研招网官方网站正版登录网址_中国研究生招生信息网官网首页  漫蛙漫画官方版直通入口 2025漫蛙漫画免注册访问说明  Cassandra中复合主键、二级索引与ORDER BY排序的限制与解决方案  J*aScript事件处理：优化键盘输入与表单提交的实践指南  AO3中文入口稳定分享_AO3官网HTTPS看文详解  使用VS Code调试Python代码：从入门到精通  BunnyStream TUS视频上传指南：解决401认证错误与参数配置  一点万象签到领积分指南  《饿了么》拼好饭点外卖教程2025  被称为海蜈蚣的海洋动物是  Flexbox布局：实现粘性导航与底部页脚的完美结合  苹果电脑如何快速截图并编辑 苹果电脑截屏标注快捷操作  Dash应用多值文本输入处理与类型转换教程  iPhone14开启Apple TV遥控设置  优酷官网登录入口电脑版 优酷官网网址入口  《猎聘》筛选猎头岗位方法  CSS如何在页面中引入重置样式_使用Normalize.css或Reset.css统一浏览器默认样式  Win11怎么录屏_Windows 11自带Xbox Game Bar录制视频  电脑没有声音了怎么办 电脑声音问题的全面排查与修复指南【详解】  百度小说看书时如何翻页_百度小说手动翻页与自动翻页设置 

 2025-11-06