如何无循环计算Numpy数组的滑动窗口（窗口大小4）求和

针对你的需求，这里提供几种高效的无循环解决方案，适配你给出的示例场景：

方法1：直接重塑数组（最简洁，适用于数组长度为窗口大小整数倍） #

如果你的数组长度恰好是窗口大小的整数倍（比如示例中12是4的3倍），直接用reshape将数组分成多行，再对每行求和即可：

import numpy as np

A = np.array([4, 0, 2, 1, 2, 0, 0, 0, 2, 0, 4, 2])
result = A.reshape(-1, 4).sum(axis=1)
print(result)  # 输出: array([7, 2, 8])

reshape(-1, 4)会自动将原数组拆分为每行4个元素的二维数组，sum(axis=1)对每行完成求和操作，全程无循环，效率极高。

方法2：使用滑动窗口视图（灵活适配任意数组长度/步长） #

如果数组长度不是窗口大小的整数倍，或者需要调整滑动步长，可以用Numpy 1.20+提供的sliding_window_view生成窗口视图，再筛选需要的窗口求和：

import numpy as np

A = np.array([4, 0, 2, 1, 2, 0, 0, 0, 2, 0, 4, 2])
# 生成所有步长为1的窗口视图，再按步长4筛选非重叠窗口
windows = np.lib.stride_tricks.sliding_window_view(A, window_shape=4)[::4]
result = windows.sum(axis=1)
print(result)  # 输出: array([7, 2, 8])

sliding_window_view生成的是原数组的视图（不占用额外内存），[::4]用来选取间隔4的窗口，实现非重叠的效果。

方法3：使用卷积函数（通用滑动窗口求和场景） #

利用卷积运算的特性，也可以实现滑动窗口求和，适合通用场景：

import numpy as np

A = np.array([4, 0, 2, 1, 2, 0, 0, 0, 2, 0, 4, 2])
# 用全1卷积核计算所有步长1的窗口和，再筛选非重叠结果
result = np.convolve(A, np.ones(4, dtype=int), mode='valid')[::4]
print(result)  # 输出: array([7, 2, 8])

np.convolve的mode='valid'参数会返回所有完整窗口的求和结果，再通过[::4]筛选出非重叠的块。

内容的提问来源于stack exchange，提问作者Sadcow