你的一维数组：

In [234]: x=np.arange(1,7)

字符串
一个简单的重塑：

In [235]: x.reshape(-1,3)
Out[235]: 
array([[1, 2, 3],
       [4, 5, 6]])

型
滑动窗口创建（3，）个窗口，完全重叠

In [236]: np.lib.stride_tricks.sliding_window_view(x,3)
Out[236]: 
array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6]])

型
从那里我们可以很容易地切出不重叠的元素：

In [237]: np.lib.stride_tricks.sliding_window_view(x,3)[::3]
Out[237]: 
array([[1, 2, 3],
       [4, 5, 6]])

型
要使用as_strided，我们必须理解strides。sliding_windows为我们做了这样的思考：

In [238]: x.strides
Out[238]: (4,)

In [239]: np.lib.stride_tricks.as_strided(x,shape=(2,3),strides=(12,4))
Out[239]: 
array([[1, 2, 3],
       [4, 5, 6]])

型
12是(3*4)
sliding_windows的作用：

In [240]: np.lib.stride_tricks.as_strided(x,shape=(4,3),strides=(4,4))
Out[240]: 
array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6]])

型
sliding_windows更容易使用，因为我们不需要知道步幅，它可以确保结果是正确的大小。

import numpy as np

# Your initial array
array = np.array([1, 2, 3, 4, 5, 6])

# Reshape the array into a 2D array where each sub-array is a window
# This only works if the length of the array is divisible by the window size
result = array.reshape(-1, 2)

print(result)

字符串