Question

这是我的代码，但有一些问题：

import numpy as np
from scipy.ndimage.interpolation import shift

index_default = np.array([2, 4])
b = np.zeros((5, 5), dtype=float)
f = np.array([[0, 0, 0, 0, 1],
              [0, 0, 0, 0, 0],
              [0, 0, 0, 0, 1],
              [0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0]])
 m = np.array([[1, 2, 1, 2, 1],
              [1, 2, 1, 2, 1],
              [1, 2, 1, 2, 0],
              [1, 2, 1, 2, 1],
              [1, 2, 1, 2, 1]])

for index, x in np.ndenumerate(f):
 if x == 1:
    a = np.asarray(index)
    y = np.subtract(a, index_default)
    m_shift = shift(m, (y[0], y[1]), cval=0)
    b += np.add(m_shift, b)
    print(m_shift)
    print(b)

所以，当我只想打印m_shift时，代码将仅显示两个m_shift数组。如果我按照print（b）的描述运行此代码，它将显示三个m_shift数组。此外，它不直观地进行计算。对我来说输出应该是：

f = np.array([[2, 4, 2, 4, 1],
              [2, 4, 2, 4, 2],
              [2, 4, 2, 4, 1],
              [1, 2, 1, 2, 1],
              [1, 2, 1 ,2, 1]])

我认为+ =运算符会引起问题。但是我认为我必须使用它，因为我想保留循环结果而不覆盖它

Answer 1

将b + =更改为b =。

b+= ... # corresponds to  b = b + add(m_shift,b)
        # net effect is that b = b + m_shift + b I think you intend b=b+m_shift   

b+=m_shift # probably works too.

矩阵移位问题

1 个答案: