Question

我试图使用以下功能：

def randomChose(bp, xsteps, ysteps, bs):
    # Number of points to be chosen
    s = int((bp * xsteps * ysteps) / (bs * bs))

    # Generating an array representing the input indexes
    indices = numpy.arange(xsteps * ysteps)

    # Resampling without replacement
    cs = npr.choice(indices, size=s, replace=False)

    f = []
    for idx in cs:
        nb = indices[max(idx-(bs*bs/2), 0):min(idx+(bs*bs/2)+1, xsteps*ysteps)]
        f.append(nb)
    f = numpy.array(f).flatten()
    fix = numpy.unique(numpy.array(f))

    return fix

其中参数为数字bp，数据维度为xsteps * ysteps且为％bs。

我想要做的是选择一些有效的索引来考虑此图像中的某个邻域。

但是，我在调用numpy.unique时仍然收到错误，但并非总是如此：

ValueError                                Traceback (most recent call last)
<ipython-input-35-1b5914c3cbc7> in <module>()
      9     svf_y = []
     10     for s in range(samples):
---> 11         fix = randomChose(bp, xsteps, ysteps, bs)
     12         rs_z0, rs_z1, rs_z2 = interpolate(len(fix), xsteps, ysteps, mean_rs)
     13         ds_z0, ds_z1, ds_z2 = interpolate(len(fix), xsteps, ysteps, mean_ds)

<ipython-input-6-def08adce84b> in randomChose(bp, xsteps, ysteps, bs)
     14         f.append(nb)
     15     f = numpy.array(f).flatten()
---> 16     fix = numpy.unique(numpy.array(f))
     17 
     18     return f

/usr/local/lib/python2.7/dist-packages/numpy/lib/arraysetops.pyc in unique(ar, return_index, return_inverse, return_counts)
    198         ar.sort()
    199         aux = ar
--> 200     flag = np.concatenate(([True], aux[1:] != aux[:-1]))
    201 
    202     if not optional_returns:

ValueError: all the input arrays must have same number of dimensions

这就是我所说的：

nx = 57.2
ny = 24.0
xsteps = 144
ysteps = 106
bs = 5     # Block size
bp = 0.1   # Percentage of blocks
fix = randomChose(bp, xsteps, ysteps, bs)

我试图了解什么是错的。据我所知，这种方法期望输入ndarray作为输入。

感谢您的帮助。

Answer 1

首先：

f.append(nb)

应该成为：

f.append(list(nb))

这使得f列表中的列表，Numpy将有机会转换为Numpy整数数组，但是只有所有列表具有相同的长度。如果没有，你将只有一个Numpy列表的一维，而flatten（）将没有效果。

您可以添加

print(type(f[0]))

展平后

。

Answer 2

问题在于边缘。例如，如果idx=0，

nb = indices[max(idx-(bs*bs/2), 0):min(idx+(bs*bs/2)+1, xsteps*ysteps)]

将是[0] - 即只有一个值而不是xy坐标。那么你将无法正确展平阵列。

numpy.unique投掷错误

2 个答案: