Question

有没有办法为numpy.gradient指定dtype？

我正在使用一组子数组，它会抛出以下错误：

ValueError: setting an array element with a sequence.

以下是一个例子：

import numpy as np
a = np.empty([3, 3], dtype=object)
it = np.nditer(a, flags=['multi_index', 'refs_ok'])
while not it.finished:
    i = it.multi_index[0]
    j = it.multi_index[1]
    a[it.multi_index] = np.array([i, j])
    it.iternext()
print(a)

输出

[[array([0, 0]) array([0, 1]) array([0, 2])]
 [array([1, 0]) array([1, 1]) array([1, 2])]
 [array([2, 0]) array([2, 1]) array([2, 2])]]

我希望print(np.gradient(a))返回

array(
    [[array([[1, 0],[0, 1]]), array([[1, 0], [0, 1]]), array([[1, 0], [0, 1]])],
     [array([[1, 0], [0, 1]]), array([[1, 0], [0, 1]]), array([[1, 0],[0, 1]])],
     [array([[1, 0], [0, 1]]), array([[1, 0], [0, 1]]), array([[1, 0],[0, 1]])]],
    dtype=object)

请注意，在这种情况下，向量字段的渐变是一个标识张量字段。

Answer 1

为什么要使用dtype对象的数组？这比使用2d阵列还要多。

e.g。

In [53]: a1=np.array([[1,2],[3,4],[5,6]])

In [54]: a1
Out[54]: 
array([[1, 2],
       [3, 4],
       [5, 6]])

In [55]: np.gradient(a1)
Out[55]: 
[array([[ 2.,  2.],
       [ 2.,  2.],
       [ 2.,  2.]]),
 array([[ 1.,  1.],
       [ 1.,  1.],
       [ 1.,  1.]])]

或逐列工作或逐行工作

In [61]: [np.gradient(i) for i in a1.T]
Out[61]: [array([ 2.,  2.,  2.]), array([ 2.,  2.,  2.])]

In [62]: [np.gradient(i) for i in a1]
Out[62]: [array([ 1.,  1.]), array([ 1.,  1.]), array([ 1.,  1.])]

dtype=object只有在子阵列/列表的类型和/或形状不同时才有意义。即使这样，它也不会给常规的Python列表增加太多。

==============================

我可以使用你的2d a，并使用：

创建一个3d数组

In [126]: a1=np.zeros((3,3,2),int)

In [127]: a1.flat[:]=[i for  i in a.flatten()]

In [128]: a1
Out[128]: 
array([[[0, 0],
        [0, 1],
        [0, 2]],

       [[1, 0],
        [1, 1],
        [1, 2]],

       [[2, 0],
        [2, 1],
        [2, 2]]])

或者我可以使用meshgrid生成相同的内容：

In [129]: X,Y=np.meshgrid(np.arange(3),np.arange(3),indexing='ij')
In [130]: a2=np.array([Y,X]).T

当我应用np.gradient时，我得到3个数组，每个（3,3,2）形状。

In [136]: ga1=np.gradient(a1)

In [137]: len(ga1)
Out[137]: 3

In [138]: ga1[0].shape
Out[138]: (3, 3, 2)

看起来前两个阵列具有您想要的值，因此只需重新排列它们。

In [141]: np.array(ga1[:2]).shape
Out[141]: (2, 3, 3, 2)

In [143]: gga1=np.array(ga1[:2]).transpose([1,2,0,3])

In [144]: gga1.shape
Out[144]: (3, 3, 2, 2)

In [145]: gga1[0,0]
Out[145]: 
array([[ 1., -0.],
       [-0.,  1.]])

如果他们必须回到（3,3）对象数组，我可以这样做：

In [146]: goa1=np.empty([3,3],dtype=object)

In [147]: for i in range(3):
    for j in range(3):
        goa1[i,j]=gga1[i,j]
   .....:         

In [148]: goa1
Out[148]: 
array([[array([[ 1., -0.],
       [-0.,  1.]]),
        array([[ 1., -0.],
       [ 0.,  1.]]),
        array([[ 1., -0.],
       ...
       [ 0.,  1.]]),
        array([[ 1.,  0.],
       [ 0.,  1.]])]], dtype=object)

我仍然想知道使用对象数组是什么意思。

为numpy.gradient指定dtype = object

1 个答案: