如何高效构建NumPy数组的非重叠滑动窗口

在NumPy的实际应用中，将数组切分为固定大小的非重叠滑动窗口是非常常见的需求，比如将一维时序数据按固定长度分段，或者将二维图像数组划分为固定大小的图像块。传统的循环遍历方式时间复杂度高，无法满足大规模数据的处理要求，因此需要借助NumPy的内置特性实现高效构建。

一维数组的非重叠窗口构建

方法1：reshape直接分块

如果原数组的长度刚好是窗口大小的整数倍，直接使用reshape是最简单高效的方式。假设我们有一维数组arr，窗口大小为window_size，且arr.size % window_size == 0，实现代码如下：

import numpy as np

# 生成测试一维数组，长度为12
arr = np.arange(12)
window_size = 3
# 确保数组长度能被窗口大小整除
assert arr.size % window_size == 0, "数组长度必须是窗口大小的整数倍"
# 直接reshape得到非重叠窗口，形状为(窗口数量, 窗口大小)
windows = arr.reshape(-1, window_size)
print(windows)
# 输出：
# [[0 1 2]
#  [3 4 5]
#  [6 7 8]
#  [9 10 11]]

方法2：as_strided实现灵活分块

当数组长度不一定能被窗口大小整除时，可以使用np.lib.stride_tricks.as_strided方法，通过修改数组的步长来实现窗口划分，无需额外拷贝数据，内存效率极高。需要注意避免越界访问，实现代码如下：

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

def non_overlapping_windows_1d(arr, window_size):
    # 计算可以划分出的完整窗口数量
    n_windows = arr.size // window_size
    # 截断数组到刚好能划分出完整窗口的长度
    truncated_arr = arr[:n_windows * window_size]
    # 计算新数组的步长，和原数组的一维步长一致
    stride = truncated_arr.strides[0]
    # 构造新数组的形状和步长
    shape = (n_windows, window_size)
    strides = (stride * window_size, stride)
    # 生成视图，不拷贝数据
    return as_strided(truncated_arr, shape=shape, strides=strides)

# 测试
arr = np.arange(14)
window_size = 3
windows = non_overlapping_windows_1d(arr, window_size)
print(windows)
# 输出：
# [[0 1 2]
#  [3 4 5]
#  [6 7 8]
#  [9 10 11]]

多维数组的非重叠窗口构建

二维数组分块示例

对于二维数组比如图像数据，同样可以用reshape实现非重叠分块。假设二维数组形状为(H, W)，窗口大小为(h, w)，且H能被h整除、W能被w整除，实现代码如下：

import numpy as np

# 生成测试二维数组，形状为(6, 8)
arr_2d = np.arange(48).reshape(6, 8)
h, w = 2, 4  # 窗口高度和宽度
H, W = arr_2d.shape
# 校验维度是否可整除
assert H % h == 0 and W % w == 0, "数组高度和宽度必须分别能被窗口高度和宽度整除"
# 分块后的形状为(块行数, 块列数, 窗口高度, 窗口宽度)
blocks = arr_2d.reshape(H//h, h, W//w, w).swapaxes(1, 2).reshape(-1, h, w)
print(blocks.shape)  # 输出：(6, 2, 4)
print(blocks)

方法性能对比

我们对三种常见场景下的方法做性能测试，测试数组长度为1000000，窗口大小为100，结果如下：

注意事项

• 使用as_strided生成的是原数组的视图，修改视图会影响原数组，若需要独立数据可以调用copy()方法。
• reshape方法仅适用于数组维度刚好能被窗口大小整除的场景，否则会抛出形状不匹配的错误。
• 非重叠窗口的窗口之间不能有重叠区域，构建时需要确保窗口的步长等于窗口大小，避免和重叠滑动窗口混淆。

封装通用函数

为了方便复用，可以封装一个支持一维和二维数组的通用非重叠窗口构建函数：

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

def build_non_overlapping_windows(arr, window_shape):
    """
    构建NumPy数组的非重叠滑动窗口
    :param arr: 输入NumPy数组，支持1维或2维
    :param window_shape: 窗口形状，1维为(int,) 2维为(int, int)
    :return: 窗口数组，形状为(窗口数量, *window_shape)
    """
    arr = np.asarray(arr)
    if arr.ndim == 1:
        window_size = window_shape[0]
        n_windows = arr.size // window_size
        truncated = arr[:n_windows * window_size]
        stride = truncated.strides[0]
        shape = (n_windows, window_size)
        strides = (stride * window_size, stride)
        return as_strided(truncated, shape=shape, strides=strides).copy()
    elif arr.ndim == 2:
        h, w = window_shape
        H, W = arr.shape
        n_h = H // h
        n_w = W // w
        truncated = arr[:n_h*h, :n_w*w]
        #  reshape得到分块结果
        blocks = truncated.reshape(n_h, h, n_w, w).swapaxes(1, 2).reshape(-1, h, w)
        return blocks
    else:
        raise ValueError("仅支持1维或2维数组")

# 测试通用函数
arr1 = np.arange(20)
print(build_non_overlapping_windows(arr1, (4,)))
arr2 = np.arange(48).reshape(6,8)
print(build_non_overlapping_windows(arr2, (2,4)).shape)

NumPy滑动窗口非重叠窗口数组分块修改时间：2026-07-02 13:33:18