numpy中as_strided函数适用场景及图像排布实现疑问

背景与示例代码 #

我正在练习使用numpy中的as_strided函数，先编写了一个示例：生成5个3×3的图像，每个图像分别填充1到5的数值，得到形状为(5,3,3)的3D数组。通过as_strided函数将其转换为形状为(5,9)的2D数组（每个3×3图像转为一行），代码及输出如下：

import numpy as np
from numpy.lib.stride_tricks import as_strided

array_3d = np.empty((5, 3, 3))

for i in range(5):
    array_3d[i] = np.full((3, 3), i+1)

print(array_3d.itemsize)

array_2d = as_strided(array_3d, shape=(5, 9), strides=(8*9, 8))

print(array_2d)

输出结果：

8
[[1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [2. 2. 2. 2. 2. 2. 2. 2. 2.]
 [3. 3. 3. 3. 3. 3. 3. 3. 3.]
 [4. 4. 4. 4. 4. 4. 4. 4. 4.]
 [5. 5. 5. 5. 5. 5. 5. 5. 5.]]

需求描述 #

现在尝试更复杂的需求：将这些3×3图像横向并排，得到如下形状为(3,15)的数组：

[[1. 1. 1. 2. 2. 2. 3. 3. 3. 4. 4. 4. 5. 5. 5.]
 [1. 1. 1. 2. 2. 2. 3. 3. 3. 4. 4. 4. 5. 5. 5.]
 [1. 1. 1. 2. 2. 2. 3. 3. 3. 4. 4. 4. 5. 5. 5.]]

但无法仅通过as_strided函数实现该需求，因此提出两个问题：该需求是否仅用as_strided无法实现？除滑动窗口操作外，如何判断as_strided函数的适用场景？

问题解答 #

1. 该需求能否仅用as_strided实现？ #

答案是不能。原因在于as_strided要求目标数组的每个维度必须使用固定步长遍历原数组的内存，而这个需求的内存访问模式不符合这个规则：

• 原数组array_3d的内存布局是连续的，每个3×3块（对应一个图像）的元素在内存中连续存储，即array_3d[0,0,0]之后依次是array_3d[0,0,1]、array_3d[0,0,2]、array_3d[0,1,0]...直到array_3d[0,2,2]，才会到array_3d[1,0,0]。
• 目标数组的每行需要先取array_3d[0,0,:]（连续3个元素），接着跳转到array_3d[1,0,:]，再连续取3个元素，之后再跳转，以此类推。这种模式下，每行内的步长会交替出现小步（8字节，连续元素）和大步（72字节，跳过整个3×3块），步长不固定，无法通过as_strided的固定步长参数实现。

若要实现该需求，需先调整原数组的内存布局（比如先转置得到(3,5,3)，再reshape为(3,15)），但这已经不是单纯使用as_strided了。

2. 如何判断as_strided的适用场景（除滑动窗口外）？ #

可以通过以下核心原则判断：

• 固定步长规则：目标数组的所有元素必须能通过原数组内存的固定维度步长访问到，每个维度的步长值全程恒定，不能出现交替变化的步长。比如将(5,3,3)转为(5,9)时，行维度步长是9×8字节（跳过整个3×3块），列维度步长是8字节（连续元素），两者都是固定值，符合要求。
• 视图而非重组：as_strided的本质是创建原数组的内存视图，不复制数据。如果目标结构需要对原数组元素进行“重组式”排列（比如跨块拼接同一行元素），且这种排列无法通过固定步长的内存采样实现，就不适合用as_strided。
• 规律性访问：元素的访问逻辑必须具有全局一致性，比如：
  • 合并/flatten连续的维度（如把高维数组的后几个维度展平）；
  • 按固定间隔采样元素（比如每隔N个元素取一个）；
  • 生成固定大小的滑动窗口（窗口内连续，窗口间步长固定）。

内容的提问来源于stack exchange，提问作者Jeff Boker