如何通过Numpythonic方式从sliding_window_view生成的滑窗数组还原原始数组？

嘿，这个问题我之前也折腾过，其实还原起来没那么复杂，分两种情况给你说清楚：

一、针对步长为1的场景（你的案例正好是这种） #

从你的输出能看出来，滑窗是每次右移1位生成的（sliding_window_view默认步长就是1），这种情况还原超级直接：
每个batch里的原始序列，前win_len（窗口长度，这里是3）个元素就是第一个滑窗，剩下的元素就是从第二个滑窗开始，每个滑窗的最后一个元素，把这两部分拼起来就搞定了！

给你写个可直接运行的代码示例：

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

# 先重现你的输入数据
test = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14]).reshape(-1,7) # 形状(2,7)
slided = sliding_window_view(test, window_shape=(3,), axis=-1).copy()

# 开始还原原始数组
win_len = slided.shape[-1]
# 拼接：第一个滑窗 + 后续所有滑窗的最后一个元素
reconstructed = np.concatenate([slided[:, 0, :], slided[:, 1:, -1]], axis=-1)

print("还原后的数组：")
print(reconstructed)
print("还原后的形状：", reconstructed.shape)

运行后输出会和你原始的test完全一致，形状也回到了(2,7)。

二、通用情况（步长不为1时） #

如果你的滑窗步长不是1，就需要用加权求和的方式还原：先计算每个原始元素在滑窗中出现的次数，再把滑窗元素按位置累加后除以出现次数。举个步长为2的例子：

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

# 步长为2的滑窗示例
test = np.array([1,2,3,4,5,6,7]).reshape(1,-1)
slided = sliding_window_view(test, window_shape=3, axis=-1, step=2).copy()
# slided形状为(1,3,3)：[[[1,2,3], [3,4,5], [5,6,7]]]

win_len = slided.shape[-1]
num_win = slided.shape[1]
step = 2
seq_len = (num_win - 1) * step + win_len # 计算原始序列长度

# 构造权重数组：记录每个原始元素在滑窗中出现的次数
weights = np.zeros(seq_len, dtype=int)
for i in range(num_win):
    start = i * step
    end = start + win_len
    weights[start:end] += 1

# 累加滑窗元素并还原
reconstructed = np.zeros_like(test)
np.add.at(reconstructed[0], np.arange(seq_len).repeat(weights), slided.flatten())
reconstructed = reconstructed // weights

print("步长2时的还原结果：", reconstructed)

回到你的问题，第一种方法最简洁高效，完全符合Numpythonic的风格～

备注：内容来源于stack exchange，提问作者Muhammad Ikhwan Perwira