我想获得具有选定邻域大小和形状的选定点周围2d数组中numpy元素的平均值。
我举了一个例子来帮助解释我要做什么。由于形状问题,它不适用于大多数输入。在我继续之前,有没有一种优雅或内在的方式做到这一点?
import numpy as np
from skimage.morphology import disk
def get_sub_array_about_point(array, point, size):
i1 = point[0]-(size-1)
i2 = point[0]+size
j1 = point[1]-(size-1)
j2 = point[1]+size
return array[i1:i2, j1:j2]
def get_neighborhood_mean(array, point, size, shape):
sub_array = get_sub_array_about_point(test_array, point, size)
"""
array([[10.1, 1.2, 1.3],
[ 2.1, 20.2, 2.3],
[ 3.1, 3.2, 3.3]])
"""
masked_sub_array = np.ma.masked_where(mask==False, sub_array)
masked_sub_array
"""
masked_array(
data=[[--, 1.2, --],
[2.1, 20.2, 2.3],
[--, 3.2, --]],
mask=[[ True, False, True],
[False, False, False],
[ True, False, True]],
fill_value=1e+20)
"""
return masked_sub_array.mean()
"""
5.8
"""
test_array = np.array([[0. , 0.1 , 0.2 , 0.3 ],
[1. , 10.1 , 1.2, 1.3 ],
[2. , 2.1, 20.2, 2.3 ],
[3. , 3.1 , 3.2, 3.3 ]])
mask = disk(1)
"""
array([[0, 1, 0],
[1, 1, 1],
[0, 1, 0]], dtype=uint8)
"""
get_neighborhood_mean(test_array, point=(2,2), size=2, shape=mask)
答案 0 :(得分:1)
使用2D convolution是实现此目的的一种优雅方法。如果对mask中的元素进行归一化(除以元素的总和),则卷积将为您提供2D数组,它是邻域的平均值。
from scipy.signal import convolve2d
test_array = np.array([[0. , 0.1 , 0.2 , 0.3 ],
[1. , 10.1 , 1.2, 1.3 ],
[2. , 2.1, 20.2, 2.3 ],
[3. , 3.1 , 3.2, 3.3 ]])
mask = np.array([[0, 1, 0],
[1, 1, 1],
[0, 1, 0]])
# Normalize mask
mask = mask / float(np.sum(mask))
convolve2d(test_array, mask, mode='valid')
# array([[2.9, 6.6],
# [7.5, 5.8]])
通过使用mode='valid'
,仅为不需要填充的元素提供平均值,在这些元素中可以放置遮罩而不必扩展到数组的边缘。因此,在上述情况下,输出数组仅用于test_array
的中心4个元素。
如果要获取所有元素(包括边缘)的邻域平均值,可以通过设置mode='same'
使用零填充。
convolve2d(test_array, mask, mode='same')
# array([[0.22, 2.08, 0.36, 0.36],
# [2.62, 2.9 , 6.6 , 1.02],
# [1.62, 7.5 , 5.8 , 5.42],
# [1.62, 2.28, 5.96, 1.76]])