Question

我正在寻找一种在3D或N-D阵列中找到元素相等的有效方法，例如，在图像的RGB像素上找到相等的值。一些测试数据：

a = numpy.arange(100).reshape((10,10))
b = a.copy()
c = a.copy()
b[5,5] = 1
c[6,6] = 100
d = numpy.array([a,b,c])

我可以想到三个选项，第一个选项不能更好地概括为更多维度：

equal_mask = (d[0] == d[1]) & (d[0] == d[2])

或

equal_mask = d.min(axis=0) == d.max(axis=0)

或者，或许更好：

equal_mask = numpy.logical_and.reduce(d == d[0])

是否有更有效的解决方案？

编辑：我应该澄清，我并不是指第一轴上具有不同长度的n-D，3-D，例如d = numpy.array([a,b,c,a,b,c])。

Answer 1

也许这一个：

np.logical_and(*(d[0,:]==d[1:,:]))

Answer 2

这是nD数组个案的方法，用于查找沿第一轴的所有0'差异 -

(np.diff(d,axis=0)==0).all(0)

运行样本以验证结果 -

In [46]: d = np.random.randint(0,9,(3,3,5,2,3,4,2))

In [47]: out = (np.diff(d,axis=0)==0).all(0)

In [48]: np.allclose(out,(d[0] == d[1]) & (d[0] == d[2]))
Out[48]: True

事实证明，此方法似乎比问题中列出的基于numpy.logical_and.reduce的方法慢。因此，在这一点上看起来像是坚持下去可能就是这样。

Answer 3

Divakar和Beauvel上校的解决方案都暗示我可以跳过支票d[0] == d[0]来提高解决方案的速度{/ 1}：

numpy.logical_and.reduce(d[1:] == d[0])

就效率和在任意尺寸轴上工作的能力而言，到目前为止，这似乎仍是最佳解决方案......

具有任意大小轴的三维阵列中的元素相等

3 个答案: