這是我的原始2d陣列A[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 8, 8, 8, 2, 0, 0, 0], [0, 2, 2, 8, 8, 8, 2, 0, 0, 0], [0, 0, 0, 8, 8, 8, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]假設我想在中間返回一個 8 的 3x3 子矩陣。我用這個表達式做了一個布爾面具，它看起來像這樣。A == 8array([[False, False, False, False, False, False, False, False, False, False], [False, False, False, False, False, False, False, False, False, False], [False, False, False, False, False, False, False, False, False, False], [False, False, False, False, False, False, False, False, False, False], [False, False, False, False, False, False, False, False, False, False], [False, False, False, True, True, True, False, False, False, False], [False, False, False, True, True, True, False, False, False, False], [False, False, False, True, True, True, False, False, False, False], [False, False, False, False, False, False, False, False, False, False], [False, False, False, False, False, False, False, False, False, False]])這就是我陷入困境的地方。如何返回帶有該布爾掩碼的子矩陣？如果我這樣做，它會返回一個8s的平面數(shù)組，如下所示A[A == 8]array([8, 8, 8, 8, 8, 8, 8, 8, 8])另一種方法是獲取返回 的行號和列號。如何使用它們返回矩陣？np.where(A == 8)(array([5, 5, 5, 6, 6, 6, 7, 7, 7]), array([3, 4, 5, 3, 4, 5, 3, 4, 5]))對于這個問題，有沒有更好的方法？
3 回答
泛舟湖上清波郎朗
TA貢獻1818條經(jīng)驗 獲得超3個贊
如注釋中所述，正確返回值的 rank-1 數(shù)組。這是有道理的，因為并不總是將值組織在一個塊中（例如），或者值的數(shù)量使得它們不能放入2D數(shù)組中。A[A==some_value]some_valuesome_valuesome_value = 2some_value
但是，如果您確定存在這樣的塊，則可以執(zhí)行以下操作來獲取它：
import numpy as np
inds = np.where(A==8)
slice_x = slice(inds[0].min(), inds[0].max() + 1) # slice(6, 9, None)
slice_y = slice(inds[1].min(), inds[1].max() + 1) # slice(3, 6, None)
A[slice_x, slice_y]
# array([[8, 8, 8],
# [8, 8, 8],
# [8, 8, 8]])
作為替代方法，您可以使用 來獲取切片：scipy.ndimage.find_objects
from scipy import ndimage
slice_x, slice_y = ndimage.find_objects(A==8)[0] # (slice(6, 9, None), slice(3, 6, None))
幕布斯6054654
TA貢獻1876條經(jīng)驗 獲得超7個贊
您可以捕獲和索引，然后僅使用np.ix_方法從這些索引返回子矩陣：rowcolumn
x, y = np.where(A==8) #[5 5 5 6 6 6 7 7 7], [3 4 5 3 4 5 3 4 5]
x, y = np.unique(x), np.unique(y) # [5,6,7], [3,4,5]
print(A[np.ix_(x, y)]) #prints [[8 8 8], [8 8 8], [8 8 8]]
即使在更一般的情況下，這也應該有效，盡管并不總是像預期的那樣：
def submatrix(A):
x, y = np.where(A==8)
x, y = np.unique(x), np.unique(y)
return A[np.ix_(x, y)]
>>> A = np.array([
[8, 2, 8, 2, 8, 0],
[2, 8, 8, 8, 2, 0],
[2, 8, 4, 8, 3, 0],
[0, 8, 8, 8, 0, 0],
[8, 0, 8, 0, 8, 0],
[0, 0, 0, 0, 0, 0]])
>>> submatrix(A)
array([[8, 2, 8, 2, 8],
[2, 8, 8, 8, 2],
[2, 8, 4, 8, 3],
[0, 8, 8, 8, 0],
[8, 0, 8, 0, 8]])
>>> A = np.array([
[8, 2, 8, 2, 8, 0],
[2, 2, 8, 8, 2, 0],
[2, 2, 4, 3, 3, 0],
[0, 2, 8, 8, 0, 0],
[8, 0, 8, 0, 8, 0],
[0, 0, 0, 0, 0, 0]])
>>> submatrix(A) # skipping empty rows and columns
array([[8, 8, 2, 8],
[2, 8, 8, 2],
[0, 8, 8, 0],
[8, 8, 0, 8]])
由于返回排序數(shù)組，因此您可以填充構造的空白，如下所示：np.uniquexy
def submatrix(A):
x, y = np.where(A==8)
x, y = np.unique(x), np.unique(y)
x, y = np.arange(x[0], x[-1]+1), np.arange(y[0], y[-1]+1)
return A[np.ix_(x, y)]
慕俠2389804
TA貢獻1719條經(jīng)驗 獲得超6個贊
您可以嘗試以下操作
data = A[np.any(A==8,axis=1)] data.T[np.all(data==8,axis=0)]
這應該給，
array([[8, 8, 8], [8, 8, 8], [8, 8, 8]])
添加回答
舉報
0/150
提交
取消