如何用Python高效转换栅格堆栈为像素时间序列？

问题说明 #

你有一个由多时间层栅格组成的数组，需要将同一位置像素的各时间值提取为子数组，形成时间序列数组，完全不需要用循环实现。

测试数据翻译与说明 #

测试数据生成代码：

import numpy as np

data = np.random.random((3, 4, 4)) 
stack = np.dstack(data) # 只是把形状改成(4,4,3)，将图像时间层放在最后一维

解决方案 #

Numpy的维度变换操作是底层优化的，效率远高于手动循环，下面分两种场景给出代码：

场景1：对应你给出的示例数组A（形状(3, 1, 8)）

# 示例数组A
A = np.array([[[0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]],
              [[1.0, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7]],
              [[1.8, 1.9, 2.0, 2.1, 2.2, 2.3, 2.4, 2.5]]])

# 调整轴顺序，再展平空间维度
transposed = A.transpose(1, 2, 0)  # 将时间轴移到最后，形状变为(1,8,3)
B = transposed.reshape(-1, 3)       # 展平前两维，得到目标形状(8,3)

场景2：对应测试数据的stack数组（形状(4,4,3)）

这种情况更简单，直接展平空间维度即可：

# 直接将(4,4,3)展平为(16,3)，每个子数组对应一个像素的时间序列
B = stack.reshape(-1, 3)

核心逻辑 #

• 明确数组各轴的含义：比如原数组的轴是(时间层, 行数, 列数)，stack的轴是(行数, 列数, 时间层)
• 用transpose()调整轴的顺序，把时间轴放到合适的位置
• 用reshape(-1, N)自动展平所有空间维度，其中N是时间层的数量

内容的提问来源于stack exchange，提问作者kolrocket