python升采样和插值_通过最近的邻居切片对numpy数组进行升采样的快速方法

这是使用跨步技巧和重塑的潜在快速方法：

from numpy.lib.stride_tricks import as_strided

def tile_array(a, b0, b1):

r, c = a.shape                                    # number of rows/columns

rs, cs = a.strides                                # row/column strides

x = as_strided(a, (r, b0, c, b1), (rs, 0, cs, 0)) # view a as larger 4D array

return x.reshape(r*b0, c*b1)                      # create new 2D array

调用a时会复制基础数据reshape，因此此函数不会返回视图。但是，与repeat沿多轴使用相比，需要的复制操作更少。

然后可以按以下方式使用该功能：

>>> a = np.arange(9).reshape(3, 3)

>>> a

array([[0, 1, 2],

[3, 4, 5],

[6, 7, 8]])

>>> tile_array(a, 2, 2)

array([[0, 0, 1, 1, 2, 2],

[0, 0, 1, 1, 2, 2],

[3, 3, 4, 4, 5, 5],

[3, 3, 4, 4, 5, 5],

[6, 6, 7, 7, 8, 8],

[6, 6, 7, 7, 8, 8]])

>>> tile_array(a, 3, 4)

array([[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2],

[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2],

[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2],

[3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5],

[3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5],

[3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5],

[6, 6, 6, 6, 7, 7, 7, 7, 8, 8, 8, 8],

[6, 6, 6, 6, 7, 7, 7, 7, 8, 8, 8, 8],

[6, 6, 6, 6, 7, 7, 7, 7, 8, 8, 8, 8]])

现在，对于小块，此方法比使用慢一些，repeat但比快一些kron。

但是，对于稍大的块，它比其他替代方法更快。例如，使用块形状为(20, 20)：

>>> %timeit tile_array(a, 20, 20)

100000 loops, best of 3: 18.7 µs per loop

>>> %timeit a.repeat(20, axis=0).repeat(20, axis=1)

10000 loops, best of 3: 26 µs per loop

>>> %timeit np.kron(a, np.ones((20,20), a.dtype))

10000 loops, best of 3: 106 µs per loop

方法之间的差距随着块大小的增加而增加。

同样，如果a数组很大，它可能比替代方法更快：

>>> a2 = np.arange(1000000).reshape(1000, 1000)

>>> %timeit tile_array(a2, 2, 2)

100 loops, best of 3: 11.4 ms per loop

>>> %timeit a2.repeat(2, axis=0).repeat(2, axis=1)

1 loops, best of 3: 30.9 ms per loop