Question

我尝试将numpy数组切片和高级索引结合起来，但未成功。例如，我有一个numpy数组填充1/0＆＃39;

r = np.array([0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0])

我找到了非零元素的索引：

(nz,) = np.nonzero(r)

然后我想使用非零索引数组来操作我的数组r。对于r中的每个索引，我想为r中的前向值的范围（在下面5中）着色。像 -

这样的东西

r[nz,:nz:nz+5] = 255

给出了结果：

array（[0,0,255,255,0,255,0,0,255,0,255,0,0， 0,0,0,0,0,0,0]）

但我会预料到以下情况：

array（[0,0,255,255,255,255,255,255,255,255,255,255,255， 255,255,0,0,0,0,0]）

鉴于我的索引[nz，：nz：nz + 5] = 255.我认为这意味着从当前索引nz到nz + 5设置值为255。

我的目标是避免为了效率原因而对数组进行for循环迭代。我对python和numpy比较新，所以欢迎所有的建议。

Answer 1

如何创建切片矩阵：

>>> import numpy as np
>>> r = np.array([0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> nz = np.nonzero(r)
>>> slices = np.vstack(np.arange(x, x + 5) for x in nz[0])
>>> slices
array([[ 2,  3,  4,  5,  6],
       [ 3,  4,  5,  6,  7],
       [ 5,  6,  7,  8,  9],
       [ 8,  9, 10, 11, 12],
       [10, 11, 12, 13, 14]], dtype=int64)
>>> r[slices]
array([[1, 1, 0, 1, 0],
       [1, 0, 1, 0, 0],
       [1, 0, 0, 1, 0],
       [1, 0, 1, 0, 0],
       [1, 0, 0, 0, 0]])
>>> r[slices] = 255
>>> r
array([  0,   0, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
       255, 255,   0,   0,   0,   0,   0])

请注意，此代码假定您在末尾有足够的“填充”。如果它尝试索引IndexError之外的项目，则会失败r。

Answer 2

问题描述类似于典型的信号卷积步骤。 scipy中有两个实现信号处理的模块scipy.signal和scipy.ndimage，如果你计划做更多的事情，你可能会感兴趣。在这种特殊情况下，您可以使用泛型np.convolve（注意我添加了尾随1用于说明目的）：

In [45]: r = np.array([0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1])

In [46]: r[np.convolve(r, np.ones(5, dtype=r.dtype))[:-4] > 0] = 255; r
Out[46]: 
array([  0,   0, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
       255, 255,   0,   0,   0,   0, 255])

这是卷积操作的结果：

In [48]: np.convolve(r, np.ones(5, dtype=r.dtype))
Out[48]: 
array([0, 0, 1, 2, 2, 3, 3, 2, 2, 2, 2, 2, 2, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1])

正如您所看到的，最后1在最后产生了1的完整序列，它们应该被剥离。之后，卷积数组中的非零元素将为您提供所需的布尔掩码：

In [49]: np.convolve(r, np.ones(5, dtype=r.dtype))[:-4] > 0
Out[49]: 
array([False, False,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True, False, False, False,
       False,  True], dtype=bool)

在python Numpy中结合切片和高级索引

2 个答案: