在Python / numpy中环绕切片

Question

我有一个numpy数组，我想得到第i点的“邻域”。通常我使用的数组是二维的，但下面的一维示例说明了我正在寻找的内容。如果

A = numpy.array([0,10,20,30,40,50,60,70,80,90])

然后元素4的（大小5）邻域是[20,30,40,50,60]，这可以通过A[i-2:i+3]轻松获得。

然而，我还需要邻域“环绕”数组的边缘，以使元素0的邻域为[80,90,0,10,20]，并且元素9的邻域为[70,80,90,0,10]。我似乎无法找到一种优雅的方法来做到这一点，所以每次出现时我都不得不使用一些复杂，烦人的逻辑（这对我来说很常见）。在2D情况下，点的邻域将是矩形阵列。

所以我的问题是，是否有一种简洁的方法来表达这种“环绕邻居”操作在numpy？我更喜欢返回切片而不是副本的东西，但可读性和速度是最重要的考虑因素。

Answer 1

numpy.take模式下的

'wrap'将使用您的索引模数组的长度。

indices = range(i-2,i+3)
neighbourhood = A.take(indices, mode='wrap')

有关详细信息，请参阅文档numpy.take

Answer 2

您可以将axis=0的参数numpy.take用于n-d数组。

A = zip(range(0,101,10),range(0,11)) #create 2-d list
A = numpy.array(A)   #create 2-d array  
indices = range(i-2,i+3)
neightbourhood = A.take(indices,axis=0,mode='wrap')

相同的axis=0适用于n * m维......

Answer 3

我知道这个问题已经过时了，但应该提到scipy.ndimage.filter.generic_filter。

它有一个mode='wrap'选项，另外它还处理邻居函数的应用。

import scipy.ndimage as nd

A = np.array([0,10,20,30,40,50,60,70,80,90])

假设您有邻居功能：

def nbf(arr):
    return sum(arr)

将邻居函数应用于每5个，边缘包含值：

C = nd.generic_filter(A, nbf, 5, mode='wrap')

print(C)
[200 150 100 150 200 250 300 350 300 250]

Answer 4

注意：对于您的邻居不需要换行的情况，numpy.take比单纯切片A[i-2:i+3]慢。您可能希望使用某些条件语句包装邻居函数：

def neighbors(a,i,n):
    N = a.shape[0] 
    if i - n < 0 and i + n > 0:
        indices = range(i-n,i+n+1)
        nbrs = a.take(indices, mode='wrap')
    elif i-n < N - 1 and i+n > N - 1:
        indices = range(i-n,i+n+1)
        nbrs = a.take(indices, mode='wrap')
    else:
        nbrs = a[i-n:i+n+1]
    return nbrs

如果你发现自己在迭代数组时占用邻居，比如在居中的移动平均线中，你会发现这需要更少的时间，特别是对于更长的数组：

这是我使用的移动平均函数：

def moving_average(a,n=1):
    N = a.shape[0] 
    ma = np.empty(N)
    for i in range(N):
        if n*2+1 > N:
            ma[i] = a.mean()
        else: 
            ma[i] = neighbors(a,i,n).mean()
    return ma

我确信这些功能可以进一步改进。我愿意接受建议。

Answer 5

您可以像这样使用np.pad例程：

A = np.array([0,10,20,30,40,50,60,70,80,90])
A = np.pad(A, 2, 'wrap')
print(A)
[80, 90,  0, 10, 20, 30, 40, 50, 60, 70, 80, 90,  0, 10]

假设您有邻居功能：

def nbf(arr):
    return sum(arr)

要将邻居函数应用于每5个，您需要注意开始和结束索引（在范围（...）命令中）和从A中获取的相对切片。

B = [nbf(A[i-2:i+3]) for i in range(2,12)]
print(B)
[200, 150, 100, 150, 200, 250, 300, 350, 300, 250]

Answer 6

numpy.roll可以移动数组，使整个切片位于数组的开头。然后在开始处获取切片并再次使用numpy.roll将阵列恢复到其原始位置。

# modify array at index i and nearest two
# locations on each side of i, wrapping
# around the edges
A = np.array([0,10,20,30,40,50,60,70,80,90])
i = 9
neighbors = 2
A=np.roll(A, -i+neighbors)
A[:5] += 1
A=np.roll(A, i-neighbors)

array([ 1, 11, 20, 30, 40, 50, 60, 71, 81, 91])

然而，

numpy.roll对我来说在大型阵列上表现不佳。

Answer 7

如果您不方便将np.take与mode='wrap'一起使用（例如，在使用numba时），则以下功能相同：

A = numpy.array([0,10,20,30,40,50,60,70,80,90])
indices = range(i-2, i+3)
neighbourhood = A.take(indices % len(A))

或

A = numpy.array([0,10,20,30,40,50,60,70,80,90])
indices = range(i-2, i+3)
neighbourhood = A[indices % len(A)]