解决方案

Question

我有一个（图像的）numpy数组，第3维的长度为3。下面是我的数组的示例。我试图对其进行迭代，因此我访问/打印了数组的最后一个维度。但是下面的每种技术都访问3d数组中的每个单独值，而不是整个3d数组。

如何在3d数组级别迭代此numpy数组？

我的数组：

src = cv2.imread('./myimage.jpg') 
# naive/shortened example of src contents (shape=(1, 3, 3))
[[[117 108  99]
  [115 105  98]
  [ 90  79  75]]]

迭代目标时，每次迭代都打印以下值：

[117 108 99]＃迭代1
  [115 105 98]＃迭代2
  [90 79 75]＃迭代3

# Attempt 1 to iterate
for index,value in np.ndenumerate(src):
    print(src[index]) # src[index] and value = 117 when I was hoping it equals [117 108  99]

# Attempt 2 to iterate
for index,value in enumerate(src):
    print(src[index]) # value = is the entire row

Answer 1

解决方案

您可以使用以下两种方法之一。但是，方法2 更可靠，其理由已在下面的详细解决方案部分中显示。

import numpy as np

src = [[117, 108,  99], [115, 105,  98], [ 90,  79,  75]]
src = np.array(src).reshape((1,3,3))

方法1

for row in src[0,:]:
    print(row)

方法2

稳健方法。

for e in np.transpose(src, [2,0,1]):
    print(e)

输出：

[117 108  99]
[115 105  98]
[90 79 75]

详细解决方案

让我们制作一个形状为(3,4,5)的数组。因此，如果我们遍历第三维，我们应该找到5个项目，每个项目的形状为(3,4)。您可以使用numpy.transpose来实现此目的，如下所示：

src = np.arange(3*4*5).reshape((3,4,5))
for e in np.transpose(src, [2,0,1]):
    print(row)

输出：

[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
[[ 1  6 11 16]
 [21 26 31 36]
 [41 46 51 56]]
[[ 2  7 12 17]
 [22 27 32 37]
 [42 47 52 57]]
[[ 3  8 13 18]
 [23 28 33 38]
 [43 48 53 58]]
[[ 4  9 14 19]
 [24 29 34 39]
 [44 49 54 59]]

这里的数组src是：

array([[[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14],
        [15, 16, 17, 18, 19]],

       [[20, 21, 22, 23, 24],
        [25, 26, 27, 28, 29],
        [30, 31, 32, 33, 34],
        [35, 36, 37, 38, 39]],

       [[40, 41, 42, 43, 44],
        [45, 46, 47, 48, 49],
        [50, 51, 52, 53, 54],
        [55, 56, 57, 58, 59]]])

Answer 2

一般建议：使用numpy时，显式python循环应该是最后的选择。 Numpy是一个非常强大的工具，它涵盖了大多数用例。了解如何正确使用它！如果有帮助，您可以将numpy视为一种语言中几乎自己的迷你语言。

现在，进入代码。我在这里选择仅保留所有值都小于100的子数组，但是当然这是完全任意的，仅用于演示代码。

import numpy as np

arr = np.array([[[117, 108, 99], [115, 105, 98], [90, 79, 75]], [[20, 3, 99], [101, 250, 30], [75, 89, 83]]])

cond_mask = np.all(a=arr < 100, axis=2)

arr_result = arr[cond_mask]

如果您对代码有任何疑问，请告诉我：）

迭代3D数组中的元素会给出错误的元素

2 个答案:

解决方案

方法1

方法2

详细解决方案