python数组切片效率_python – 对numpy数组切片进行采样的最快方法是什么？

我有一个3D(时间,X,Y)numpy数组,包含6个小时的时间序列几年. (比如5).我想创建一个采样时间序列,其中包含从可用记录中随机抽取的每个日历日的1个实例(每天5种可能性),如下所示.

> Jan 01：2006

> Jan 02：2011

> Jan 03：2009

> ……

这意味着我需要从01/01/2006获取4个值,从2011年2月1日起获取4个值等.

我有一个工作版本,其工作原理如下：

>重塑输入数组以添加“年”维度(时间,年份,Y)

>创建一个365值组的随机生成的0到4之间的整数

>使用np.repeat和整数数组仅提取相关值：

例：

sampledValues = Variable[np.arange(numberOfDays * ValuesPerDays),sampledYears.repeat(ValuesPerDays),:,:]

这似乎有效,但我想知道这是否是解决我问题的最佳/最快方法？速度很重要,因为我在循环中这样做,adn将受益于测试尽可能多的情况.

我这样做了吗？

谢谢

编辑

我忘了提到我过滤了输入数据集以删除闰年的第29个feb.

基本上,该操作的目的是找到一个365天的样本,与平均值等方面的长期时间序列匹配良好.如果采样的时间序列通过我的质量测试,我想导出它并重新开始.