Question

我正在尝试编写一些代码来编写单float个值，因此使用1D（最终是2D）numpy.arrays作为输入可以正常工作。

向下缩小到一个最小的例子，该函数看起来像这样（没有这个例子没有做任何有用的事情，但是如果删除了do_math和do_some_more_math，它将产生完全描述的行为）：< / p>

def do_complicated_math(r, g, b):
    rgb = numpy.array([r, g, b])

    # Math! No change in array shape. To run example just comment out.
    rgb = do_math(rgb)

    m_2 = numpy.array([[rgb[0], 0, 0], [0, rgb[1], 0], [0, 0, rgb[2]]])

    # Get additional matrices needed for transformation.
    # These are actually predefined 3x3 float arrays
    m_1 = numpy.ones((3, 3))
    m_3 = numpy.ones((3, 3))

    # Transform the rgb array
    rgb_transformed = m_1.dot(m_2).dot(m_3).dot(rgb)

    # More math! No change in array shape. To run example just comment out.
    rgb_transformed = do_some_more_math(rgb_transformed)

    # Almost done just one more thing...
    return numpy.arctan2(rgb_transformed, rgb_transformed)

# Works fine
do_complicated_math(1, 1, 1)

# Fails
x = numpy.ones(6)
do_complicated_math(x, x, x)

此功能可以正常工作，因为r，g和b是个别数字，但是，如果它们是numpy.array（例如，按顺序）要一次转换多个rgb值，numpy.arctan2会引发以下异常：

Traceback (most recent call last):
  (...) line 32, in do_complicated_math
    numpy.arctan2(rgb_transformed, rgb_transformed)
AttributeError: 'numpy.ndarray' object has no attribute 'arctan2'

我没有找到任何明确的答案，告诉我这是什么。似乎工作正常的arctan2与多维数组一起使用，如下所示：

numpy.arctan2(numpy.ones((3,4,5)), numpy.ones((3,4,5)))

所以我认为问题必须出在m_2的创建方式，或m_1，m_2，m_3和rgb的乘法之间得到传播，但我似乎无法弄清楚它在哪里。

Answer 1

问题是rgb_transformed在将它传递给arctan2时不再是标准的numpy数组，它已成为一个对象数组：

print rgb_transformed
"""[[array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])]
 [array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])]
 [array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])
  array([ 9.,  9.,  9.,  9.,  9.,  9.])]]"""
print rgb_transformed.shape
#(3, 6)
print rgb_transformed.dtype
#object

所以这个问题比我想象的要简单：

这一行：

m_2 = numpy.array([[rgb[0], 0, 0], [0, rgb[1], 0], [0, 0, rgb[2]]])
print m_2
#array([[array([ 1.,  1.,  1.,  1.,  1.,  1.]), 0, 0],
#       [0, array([ 1.,  1.,  1.,  1.,  1.,  1.]), 0],
#       [0, 0, array([ 1.,  1.,  1.,  1.,  1.,  1.])]], dtype=object)

这里创建了对象数组，并通过代码的其余部分进行传播。

修改

要解决此问题，您可能需要稍微不同地广播您的阵列。基本上更改外部维度以反映不断变化的rgb值。 免责声明：我没有很好的方法在您的问题的背景下验证结果，所以请小心对待输出。

import numpy as np def do_complicated_math(r, g, b): rgb = np.array([r, g, b]) # create a transposed version of the m_2 array m_2 = np.zeros((r.size,3,3)) for ii,ar in enumerate(rgb): m_2[:,ii][:,ii][:] = ar m_1 = np.ones((3, 3)) m_3 = np.ones((3, 3)) rgb_transformed = m_1.dot(m_2).dot(m_3).dot(rgb) print rgb_transformed return np.arctan2(rgb_transformed, rgb_transformed) x = np.ones(6) do_complicated_math(x, x, x) r = np.array([0.2,0.3,0.1]) g = np.array([1.0,1.0,0.2]) b = np.array([0.3,0.3,0.3]) do_complicated_math(r, g, b)

这仅适用于数组作为输入，但添加单个值的处理作为输入应该是微不足道的。

Numpy arctan2的多维数组

1 个答案: