怎么理解该函数三维数据组采样，举例说明

`block_reduce()` 对三维数据组的采样通常涉及将每个三维块应用一个聚合函数（如平均值、最大值等），然后丢弃掉一些小块以达到降低数据分辨率的效果。假设我们有一个三维数组，表示某个空间区域的温度分布，其形状可能是 (x, y, z)。

例如：

# 假设我们有如下三维温度数据：
temperature_data = np.array([[[90, 85, 92], [87, 88, 94]], [[96, 92, 98], [93, 94, 99]]])

# 我们可以设置 block_reduce 函数对每个 (x, y) 面积内的 z 分量求平均值，例如：
block_size = (2, 2, 1)  # 沿 x 和 y 方向每两个像素合并，z 方向不变
reduced_data = np.block_reduce(temperature_data, block_size, np.mean)

在这个例子中，`block_size=(2, 2, 1)` 表示我们在水平 (x, y) 平面上每两个像素取一个点，并保持 z 方向的单个值，最终得到的新数组 `reduced_data` 就是一个降采样的版本，保留了原始数据的主要特征，同时减少了数据量。