Question

我有一个2D numpy数组我想找到所有独特元素的'every'位置。我们可以使用numpy.unique(numpyarray.)找到唯一元素。这是棘手的部分。现在我必须知道每个独特元素的所有位置。让我们考虑以下示例。

array([[1, 1, 2, 2],\
       [1, 1, 2, 2],\
       [3, 3, 4, 4],\
       [3, 3, 4, 4]])

结果应为

1, (0,0),(1,1)
2, (0,2),(1,2)
3, (2,0),(3,1)
4, (2,2),(3,3)

如何做到这一点以及什么是存储和迭代值的合适方式。

应注意，所有唯一值将彼此相邻。他们之间唯一的差距只能是零。让我们考虑另一种变体

 array([[1, 0, 1, 2, 2],\
        [1, 0, 1, 2, 2],\
        [3, 0, 3, 4, 4],\
        [3, 0, 3, 4, 4]])

结果应为

1, (0,0),(1,2)
2, (0,3),(1,4)
3, (2,0),(3,2)
4, (2,3),(3,4)

边界上的zeoros应该被忽略。

非常感谢

Answer 1

这种简单，强力的方法就是使用numpy.where。

例如，如果您只是想要边界框：

import numpy as np

x = np.array([[1,1,2,2],
              [1,1,2,2],
              [3,3,4,4],
              [3,3,4,4]])

for val in np.unique(x):
    rows, cols = np.where(x == val)
    rowstart, rowstop = np.min(rows), np.max(rows)
    colstart, colstop = np.min(cols), np.max(cols)
    print val, (rowstart, colstart), (rowstop, colstop)

这也适用于带零的示例。

如果数组很大，并且您已经有scipy，那么您可以考虑使用scipy.ndimage.find_objects代替@unutbu建议。

在您的示例的特定情况下，您的唯一值是顺序整数，您可以直接使用find_objects。它期望一个数组，其中除0以外的每个连续整数表示它需要返回其边界框的对象。（完全按照您的意愿忽略0。）但是，通常，您需要进行一些预处理，以将任意唯一值转换为连续整数。

find_objects返回slice个对象的元组列表。老实说，这些可能正是你想要的，如果你想要的是bouding box。但是，打印开始和停止标记会显得更麻烦。

import numpy as np
import scipy.ndimage as ndimage

x = np.array([[1, 0, 1, 2, 2],
              [1, 0, 1, 2, 2],
              [3, 0, 3, 4, 4],
              [3, 0, 3, 4, 4]])

for i, item in enumerate(ndimage.find_objects(x), start=1):
    print i, item

这看起来会比您预期的略有不同。这些是slice个对象，因此“max”值始终高于前一个示例中的“max”值。这样您就可以使用给定的元组进行切片以获取有问题的数据。

E.g。

for i, item in enumerate(ndimage.find_objects(x), start=1):
    print i, ':'
    print x[item], '\n'

如果你真的想要开始和停止，只需做这样的事情：

    for i, (rowslice, colslice) in enumerate(ndimage.find_objects(x), start=1):
        print i, 
        print (rowslice.start, rowslice.stop - 1),
        print (colslice.start, colslice.stop - 1)

如果您的唯一值不是连续的整数，则需要进行一些预处理，如前所述。你可能会这样做：

import numpy as np
import scipy.ndimage as ndimage

x = np.array([[1.1, 0.0, 1.1, 0.9, 0.9],
              [1.1, 0.0, 1.1, 0.9, 0.9],
              [3.3, 0.0, 3.3, 4.4, 4.4],
              [3.3, 0.0, 3.3, 4.4, 4.4]])
ignored_val = 0.0
labels = np.zeros(data.shape, dtype=np.int)

i = 1
for val in np.unique(x):
    if val != ignored_val:
        labels[x == val] = i
        i += 1

# Now we can use the "labels" array as input to find_objects
for i, item in enumerate(ndimage.find_objects(labels), start=1):
    print i, ':'
    print x[item], '\n'

如何在numpy 2d数组中选择具有边界框的独特元素的所有位置？

1 个答案: