Question

我有一个存储在元组列表中的索引列表：

index=[(0,0), (0,1), (1,0), (1,1) ....]

这些索引将用于计算图像im（一个numpy数组）中的能量，如下式所示：

(1-im[0,0])^2+(1-im[0,1])^2+....

im这是一个二维numpy数组。以下是im：

的示例

im=Image.open('lena_noisy.png')
im=numpy.array(im)
print im

[[168 133 131 ..., 127 213 107]
 [174 151 111 ..., 191  88 122]
 [197 173 143 ..., 182 153 125]
 ..., 
 [ 34  15   6 ..., 111  95 104]
 [ 37  15  57 ..., 121 133 134]
 [ 49  39  58 ..., 115  74 107]]

如何使用列表的地图功能执行此计算？

Answer 1

如果您将index分成两个元组xidx和yidx，那么您可以使用花式索引将所有im值作为一个numpy数组访问。然后计算变得简单，并且比执行Python循环（或列表推导）更快：

import numpy as np
xidx, yidx = zip(*index)
print(((1-im[xidx, yidx])**2).sum())

import numpy as np
import scipy.misc as misc

im = misc.lena()
n = min(im.shape)
index = np.random.randint(n, size = (10000,2)).tolist()

def using_fancy_indexing(index, im):
    xidx, yidx = zip(*index)
    return (((1-im[xidx, yidx])**2).sum())

def using_generator_expression(index, im):
    return sum(((1 - im[i[0], i[1]]) ** 2) for i in index)

以下是使用timeit的比较：

In [27]: %timeit using_generator_expression(index, im)
100 loops, best of 3: 17.9 ms per loop

In [28]: %timeit using_fancy_indexing(index, im)
100 loops, best of 3: 2.07 ms per loop

因此，根据index的大小，使用花式索引可能比使用生成器表达式快8倍。

Answer 2

像这样，使用生成器表达式：

sum((1-im[i][j])**2 for i, j in index)

即，假设im是二维列表，index是im中的坐标列表。请注意，在Python中，二维列表的访问方式如下：m[i][j]而不是这样：m[i,j]。

Answer 3

使用sum和生成器表达式：

sum(((1 - im[i[0], i[1]]) ** 2) for i in index)

如果index也是一个numpy数组，你可以使用数组作为索引：

sum(((1 - im[i]) ** 2) for i in index)

Python列表中的映射

3 个答案: