如何无循环将偶数维度Numpy数组维度减半

需求说明 #

要把偶数维度的Numpy数组（比如4×4转2×2、500×500转250×250），按每2×2块取平均值的方式压缩维度，要求不用循环，且能适配所有偶数维度的数组。

问题分析 #

你手动选取四个块计算的写法不仅冗余，还容易出错（比如你给出的实际输出明显是没正确执行除法导致的），而且没法直接适配更大的数组。

解决方案 #

用Numpy的reshape和mean组合就能搞定，完全不需要循环，代码通用所有偶数维度：

import numpy as np

# 输入示例数组
x_4 = np.array([[1, 2, 4, 5], [3, 4, 6, 8], [5, 3, 1, -1], [2, 3, 5, 0]])

# 核心逻辑
block_size = 2  # 500×500数组的话，这里改成250就行
# 先把数组拆成四维分块结构，再对每个块内部的元素求平均
result = x_4.reshape(
    x_4.shape[0] // block_size, block_size,
    x_4.shape[1] // block_size, block_size
).mean(axis=(1, 3))

print(result)
# 输出符合预期：
# [[2.5  5.75]
#  [3.25 1.25]]

原理解释 #

• reshape操作把原数组拆成了(块行数, 块内行数, 块列数, 块内列数)的四维结构，比如4×4数组会变成(2,2,2,2)，对应2行2列共4个2×2的块。
• mean(axis=(1,3))是对每个块内部的行、列维度求平均，直接得到每个块的平均值，最终输出维度就是原维度的一半。
• 不管是4×4还是500×500，只要把block_size设为原维度的一半，代码就能直接用，完全不用改其他地方。

内容的提问来源于stack exchange，提问作者zay_117