从2d数组中提取块
从2d数组中提取块
提问于 2020-03-07 18:49:06
假设您有一个以连续方式填充整数的2D数组，从左到右，从上到下。因此它看起来就像
[[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]]假设现在有一个一维数组，其中一些整数显示在上面的数组中。让我们假设这个数组是[6,7,11]。我想提取包含列表元素的2D数组的块/块。对于这两个输入，结果应该是
[[ 6., 7.],
[11., nan]](我正在用np.nan填充它是不能重塑的)
这就是我写的。有更简单的方法吗？
import numpy as np
def my_fun(my_list):
ids_down = 4
ids_across = 5
layout = np.arange(ids_down * ids_across).reshape((ids_down, ids_across))
ids = np.where((layout >= min(my_list)) & (layout <= max(my_list)), layout, np.nan)
r,c = np.unravel_index(my_list, ids.shape)
out = np.nan*np.ones(ids.shape)
for i, t in enumerate(zip(r,c)):
out[t] = my_list[i]
ax1_mask = np.any(~np.isnan(out), axis=1)
ax0_mask = np.any(~np.isnan(out), axis=0)
out = out[ax1_mask, :]
out = out[:, ax0_mask]
return out然后尝试my_fun([6,7,11])返回
[[ 6., 7.],
[11., nan]]回答 3
Stack Overflow用户
回答已采纳
发布于 2020-03-07 19:09:39
这个100%的NumPy解决方案适用于连续的和非连续的想要的数字数组.
a = np.array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
n = np.array([6, 7, 11])确定通缉号码的位置：
mask = np.isin(a, n)选择具有所需编号的行和列：
np.where(mask, a, np.nan)\
[mask.any(axis=1)][:, mask.any(axis=0)]
#array([[ 6., 7.],
# [11., nan]])Stack Overflow用户
发布于 2020-03-07 19:05:33
一种方法是通过检查数组中哪些元素包含在第二个列表中来查找包围盒。我们可以使用scipy.ndimage
from scipy import ndimage
m = np.isin(a, b)
a_components, _ = ndimage.measurements.label(m, np.ones((3, 3)))
bbox = ndimage.measurements.find_objects(a_components)
out = a[bbox[0]]
np.where(np.isin(out, b), out, np.nan)
array([[ 6., 7.],
[11., nan]])设置-
a = np.array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
b = np.array([6,7,11])或者对于b = np.array([10,12,16])，我们可以得到：
m = np.isin(a, b)
a_components, _ = ndimage.measurements.label(m, np.ones((3, 3)))
bbox = ndimage.measurements.find_objects(a_components)
out = a[bbox[0]]
np.where(np.isin(out, b), out, np.nan)
array([[10., nan, 12.],
[nan, 16., nan]])我们还可以通过以下操作，对多个边界框进行上述调整：
b = np.array([5, 11, 8, 14])
m = np.isin(a, b)
a_components, _ = ndimage.measurements.label(m, np.ones((3, 3)))
bbox = ndimage.measurements.find_objects(a_components)
l = []
for box in bbox:
out = a[box]
l.append(np.where(np.isin(out, b), out, np.nan))
print(l)
[array([[ 5., nan],
[nan, 11.]]),
array([[ 8., nan],
[nan, 14.]])]Stack Overflow用户
发布于 2020-03-07 19:21:08
利用模板数组A的特定形式，我们可以直接将测试值转换为坐标：
A = np.arange(20).reshape(4,5)
test = [6,7,11]
y,x = np.unravel_index(test,A.shape)
yl,yr = y.min(),y.max()
xl,xr = x.min(),x.max()
out = np.full((yr-yl+1,xr-xl+1),np.nan)
out[y-yl,x-xl]=test
out
# array([[ 6., 7.],
# [11., nan]])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/60581065
复制相关文章
相似问题
腾讯云开发者
