映射在Python列表

我具有存儲在元組的列表索引的列表：映射在Python列表

index=[(0,0), (0,1), (1,0), (1,1) ....]

這些索引將被用於計算能量圖像im的（a numpy的陣列）在以下公式中：

(1-im[0,0])^2+(1-im[0,1])^2+....

im這裏是一個二維numpy數組。下面是im一個例子：

im=Image.open('lena_noisy.png') 
im=numpy.array(im) 
print im 

[[168 133 131 ..., 127 213 107] 
[174 151 111 ..., 191 88 122] 
[197 173 143 ..., 182 153 125] 
..., 
[ 34 15 6 ..., 111 95 104] 
[ 37 15 57 ..., 121 133 134] 
[ 49 39 58 ..., 115 74 107]]

如何使用列表的地圖功能來執行此計算？

來源

2013-02-06 Dzung Nguyen

這是一個2維numpy數組，就像查找表一樣。 –

使用sum和發電機表達式：

sum(((1 - im[i[0], i[1]]) ** 2) for i in index)

如果索引也是numpy的陣列可以使用陣列作爲指標：

sum(((1 - im[i]) ** 2) for i in index)

來源

2013-02-06 22:57:59

像這樣，使用生成的表達式：

sum((1-im[i][j])**2 for i, j in index)

也就是說，假設im是一個二維列表和index是im座標的列表。請注意，在Python中，二維列表的訪問方式如下所示：m[i][j]而不是像這樣：m[i,j]。

來源

2013-02-06 22:55:25

值得注意的是，您可以將元組解開爲迭代的一部分，而不是索引：'sum（（1-im [i] [j]）** 2 for i，j in index）''。 – Blckknght

@Blckknght你是對的，這更清楚。我更新了我的答案，謝謝！ –

如果斷開index成兩個元組，xidx和yidx，那麼你可以使用花哨的索引來訪問所有的im值作爲一個numpy數組。然後計算變得簡單來表達，和比做一個Python循環（或列表解析）更快：

import numpy as np 
xidx, yidx = zip(*index) 
print(((1-im[xidx, yidx])**2).sum())

import numpy as np 
import scipy.misc as misc 

im = misc.lena() 
n = min(im.shape) 
index = np.random.randint(n, size = (10000,2)).tolist() 

def using_fancy_indexing(index, im): 
    xidx, yidx = zip(*index) 
    return (((1-im[xidx, yidx])**2).sum()) 

def using_generator_expression(index, im): 
    return sum(((1 - im[i[0], i[1]]) ** 2) for i in index)

這裏使用timeit的比較：

In [27]: %timeit using_generator_expression(index, im) 
100 loops, best of 3: 17.9 ms per loop 

In [28]: %timeit using_fancy_indexing(index, im) 
100 loops, best of 3: 2.07 ms per loop

因此，根據index的大小，使用花式索引比使用生成器表達式快8倍。

來源

2013-02-06 23:01:05 unutbu

映射在Python列表

回答

相關問題