如何统计高维NumPy数组中低维NumPy子数组的出现次数

嘿，这个问题我之前做图像特征匹配的时候也碰到过，用NumPy处理这类子数组匹配其实有挺简洁的方案，我来给你一步步说明～

针对你的具体例子 #

首先咱们把输入转换成符合Python语法的NumPy数组（原输入里的逗号得补上，不然会报错），然后利用NumPy的滑动窗口工具快速实现匹配：

import numpy as np

# 定义输入数组（补全逗号，符合Python语法规范）
a = np.array([[0, 0, 1, 1],
              [1, 1, 1, 1],
              [0, 0, 1, 0],
              [1, 1, 1, 1]])
b = np.array([[0, 0, 1],
              [1, 1, 1]])

# 生成a中所有和b形状完全一致的滑动窗口
# sliding_window_view是NumPy 1.20+新增的工具，安全且易用
windows = np.lib.stride_tricks.sliding_window_view(a, window_shape=b.shape)

# 检查每个窗口是否与b完全相等，最后统计匹配总数
# axis=(-2, -1)表示沿着窗口的最后两个维度（也就是b的形状维度）做全量匹配
match_count = np.sum(np.all(windows == b, axis=(-2, -1)))

print(match_count)  # 输出结果：2，和你的预期一致

代码逻辑拆解 #

• sliding_window_view会把原数组a转换成一个更高维的数组，其中每一个元素都是和b形状相同的滑动窗口。比如你的例子里，a是(4,4)，b是(2,3)，生成的windows形状会是(3,2,2,3)——前两个维度是窗口在a中的起始位置，后两个维度是窗口本身的形状。
• np.all(..., axis=(-2, -1))会逐个检查每个窗口的所有元素是否和b对应相等，返回一个布尔数组，最后用np.sum统计所有True的数量，就是匹配次数。

高维数组的通用解法 #

不管你的数组是2维、3维还是更高维度，核心思路都是一致的：

1. 用sliding_window_view生成原数组中所有与目标子数组形状一致的滑动窗口；
2. 沿着子数组的维度做全量相等检查；
3. 统计匹配的总数。

举个高维的例子：假设a是一个(5,5,5)的3维数组，b是一个(2,2)的2维子数组，我们要统计b在a的最后两个维度中的出现次数：

import numpy as np

# 随机生成高维测试数组
a = np.random.randint(0, 2, size=(5,5,5))
b = np.array([[1,0], [0,1]])

# 生成对应形状的滑动窗口
windows = np.lib.stride_tricks.sliding_window_view(a, window_shape=b.shape)

# 动态获取子数组的维度索引，适配任意维度的b
match_axis = tuple(range(-len(b.shape), 0))
match_count = np.sum(np.all(windows == b, axis=match_axis))

print(match_count)

注意事项 #

• 如果你使用的NumPy版本低于1.20，sliding_window_view不可用，可以用np.lib.stride_tricks.as_strided手动实现滑动窗口，但要注意计算步长时避免越界问题，推荐尽量升级到较新的NumPy版本。
• 如果子数组的匹配需要考虑重叠情况，上面的方法已经自动支持了——滑动窗口本身就是包含所有可能的重叠位置的。

内容的提问来源于stack exchange，提问作者Taufik_TF