Question

我有一个numpy矩阵我mXn ......

现在，我想执行以下操作：

J(x, y) = I(x+1, y) - I(x, y)

差分算子是“绝对”差异（即矩阵J中没有负值）

现在，我有一个蹩脚的方法来做这个涉及循环，但想避免这里？

修改：The J(x,y) is of size m X (n-1)

Answer 1

这样的切片怎么样？

# row 1 is all zeros, row 2 is all 1, row 3 all 0s ...
# 10 x 5 matrix
mat = np.array( [ [j%2 for k in range(5)] for j in range(10)])
diff =  np.abs(mat[1:,:] - mat[:-1,:])
print diff.shape # 9 x 5 
print diff  #all ones (no negative one values)

Answer 2

似乎您可以使用np.diff以及abs：

>>> mat
array([[0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1]])
>>> abs(np.diff(mat, axis=0))
array([[1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1]])

我不确定此前发布的切片解决方案是否有任何真正的优势 - 当我考虑在numpy数组中采用元素到元素的差异时，我自然会想到{{1} }。。

修改

看起来切片解决方案明显更快：

np.diff

看一下代码，看来numpy只是在引擎盖下构建那些切片并以相同的方式进行减法。对于较大的数组（减法时间开始变得与切片计算相当，这些时间会更接近），但>>> timeit.timeit('abs(np.diff(mat, axis=0))', 'from __main__ import np, mat') 3.239274024963379 >>> timeit.timeit('abs(mat[1:,:] - mat[:-1,:])', 'from __main__ import np, mat') 1.287804126739502将总是更慢。

Answer 3

也许是这样的？

import numpy as np

I = np.random.randint(0, 10, (4, 6) )
J = np.abs( np.roll(I,-1, axis=0) - I )

修改

上述解决方案假设x中存在周期性边界。您可以使用
删除最后一行
J = np.abs( np.roll(I,-1, axis=0) - I )[:-1, :]

代替。

在numpy中逐列减法

3 个答案: