我希望在布尔numpy数组上做一些基本的聚类,而我基本上只是尝试用掩码进行2d平均,但我觉得必须有比我更好的解决方案&# 39,因为它缓慢且不优雅而得到了:
def grab_window(location, array, window=(3,3)):
minimums = [min(0, i-a) for i, a in zip(location, window)]
maximums = [(i + a) for i, a in zip(location, window)]
answer = array
for i, _ in enumerate(location):
answer = answer[slice(minimums[i],maximums[i])]
return answer
然后我基本上只是遍历原始数组,将每个窗口乘以内核,然后返回修改后的窗口的平均值。
似乎必须有一个过滤器或类似的具有相同效果的东西,但到目前为止我还没能找到它。
编辑:位置是与窗口类似的表单的tuple
。
例如,如果我们要做最简单的版本,使用统一的1层面具,我会在这些方面寻找一些东西:
import numpy as np
test = np.arange(0,24).reshape(6, 4)
footprint = [
[1,1,1],
[1,0,1],
[1,1,1]
]
some_function(test, footprint)
array([[ 1, 2, 3, 4],
[ 4, 5, 6, 6],
[ 8, 9, 10, 10],
[12, 13, 14, 14],
[16, 17, 18, 18],
[18, 19, 20, 21]])
答案 0 :(得分:1)
结果scipy
完全有一个已经做到这一点的功能。 generic_filter
实际上以How to apply ndimage.generic_filter()
示例:
def some_avg(values):
return values.mean()
footprint = np.array([
[1,1,1],
[1,0,1],
[1,1,1]
])
test = test = np.arange(0,24).reshape(6, 4)
scipy.ndimage.filters.generic_filter(test, some_avg, footprint=footprint)
array([[ 1, 2, 3, 4],
[ 4, 5, 6, 6],
[ 8, 9, 10, 10],
[12, 13, 14, 14],
[16, 17, 18, 18],
[18, 19, 20, 21]])