我不知道numpy是否有一个简单的方法来做这个，如果这是绝对必要的，我不能帮助你！
如果你不介意直接索引，你可以使用一些神奇的巫术艺术;），如下所示：

# Setup
import numpy as np
from numpy.lib.stride_tricks import sliding_window_view as swv

H, W, h, w = 10, 12, 4, 5
out = np.zeros((H, W, H - h + 1, W - w + 1), dtype=int)
arr = np.arange(1, h * w + 1).reshape(h, w)

# Create an index for each dimension
# a = [0, 1, ..., 10]
# b = [0, 1, ..., 12]
# etc...
a, b, c, d = map(np.arange, out.shape)

# Index the output array with 4 indexers:
out[
    swv(a, h)[:, None, :, None],  # Use a sliding index for the
    swv(b, w)[None, :, None, :],  # first two dimensions.
    c[:, None, None, None],       # Index the latter two dimensions normally, except
    d[None, :, None, None],       # such that they broadcast with the sliding windows.
] = arr                           # Assign your array to the indexed output

字符串
一些产出：

>>> out[:, :, 1, 1]
array([[ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  1,  2,  3,  4,  5,  0,  0,  0,  0,  0,  0],
       [ 0,  6,  7,  8,  9, 10,  0,  0,  0,  0,  0,  0],
       [ 0, 11, 12, 13, 14, 15,  0,  0,  0,  0,  0,  0],
       [ 0, 16, 17, 18, 19, 20,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0]])
>>> out[:, :, 4, 6]
array([[ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  1,  2,  3,  4,  5,  0],
       [ 0,  0,  0,  0,  0,  0,  6,  7,  8,  9, 10,  0],
       [ 0,  0,  0,  0,  0,  0, 11, 12, 13, 14, 15,  0],
       [ 0,  0,  0,  0,  0,  0, 16, 17, 18, 19, 20,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0]])

型

设置一个较小的情况下，与（4，4，2，2）面具。（2，2）大小只是为了演示的目的。
我们要插入的（2，2）数组：

n [54]: arr= np.arange(1,5).reshape(2,2)

字符串
掩码，只有2个子数组集合。不管它是bool还是int。int版本显示更多complex：

In [55]: mask = np.zeros((4,4,2,2),int)    
In [56]: mask[:2,:2,0,0]=1; mask[1:3,1:3,1,1]=1

In [57]: mask[:,:,1,1]
Out[57]: 
array([[0, 0, 0, 0],
       [0, 1, 1, 0],
       [0, 1, 1, 0],
       [0, 0, 0, 0]])

型
目标数组-与掩码大小相同：

In [58]: res = np.zeros(mask.shape,int)

型
我认为，非零的，where`，索引比bool掩码更有用：

In [59]: idx = np.nonzero(mask)    
In [60]: idx
Out[60]: 
(array([0, 0, 1, 1, 1, 1, 2, 2], dtype=int64),
 array([0, 1, 0, 1, 1, 2, 1, 2], dtype=int64),
 array([0, 0, 0, 0, 1, 1, 1, 1], dtype=int64),
 array([0, 0, 0, 0, 1, 1, 1, 1], dtype=int64))

型
这8个非零值从res中选择8个元素：

In [61]: res[idx]
Out[61]: array([0, 0, 0, 0, 0, 0, 0, 0])

型
复制arr来匹配。我不经常使用resize，但在这里它只是我想要的：

In [62]: arr1=np.resize(arr,idx[0].shape);arr1
Out[62]: array([1, 2, 3, 4, 1, 2, 3, 4])    
In [63]: res[idx]=arr1

型
检查结果：

In [64]: res[:,:,0,0]
Out[64]: 
array([[1, 2, 0, 0],
       [3, 4, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]])

In [65]: res[:,:,1,1]
Out[65]: 
array([[0, 0, 0, 0],
       [0, 1, 2, 0],
       [0, 3, 4, 0],
       [0, 0, 0, 0]])

型
在我所演示的和其他答案之间可能有很多重叠之处，但我试图让事情直接和简单。