在Python中包裝切片/ numpy

Question

我有一個numpy數組，我想獲得第i個點的「鄰居」。通常我使用的數組是二維的，但下面的一維例子說明了我在找什麼。如果

A = numpy.array([0,10,20,30,40,50,60,70,80,90]) 

然後元件4的（大小5）附近是[20,30,40,50,60]，這可以很容易地通過執行A[i-2:i+3]來獲得。

但是，我還需要鄰域「環繞」數組的邊緣，以便元素0的鄰域爲[80,90,0,10,20]，而元素9的鄰域爲[70,80,90,0,10]。我似乎無法找到一種優雅的方式來做到這一點，所以每次出現這種情況時（最常見的是這種情況），我最終不得不使用一些複雜的，煩人的邏輯。在2D情況下，點的鄰域將是矩形陣列。

所以我的問題是，有沒有一種簡潔的方式來表達這種「環繞式鄰居」操作在numpy中？我更喜歡返回一片而不是副本的東西，但可讀性和速度是最重要的考慮因素。

Answer 1

numpy.take in 'wrap' mode將使用您的索引模數組的長度。

indices = range(i-2,i+3) 
neighbourhood = A.take(indices, mode='wrap') 

的細節numpy.take

Answer 2

查看文檔，你可以使用正d陣列的numpy.take參數axis=0。

A = zip(range(0,101,10),range(0,11)) #create 2-d list 
A = numpy.array(A) #create 2-d array 
indices = range(i-2,i+3) 
neightbourhood = A.take(indices,axis=0,mode='wrap') 

同樣axis=0會爲N * m維工作...

Answer 3

我知道這個問題是舊的，但要提到scipy.ndimage.filter.generic_filter。

它有一個mode='wrap'選項，再加上它處理鄰居函數的應用。

import scipy.ndimage as nd 

A = np.array([0,10,20,30,40,50,60,70,80,90]) 

假設你有一個鄰居功能：

def nbf(arr): 
    return sum(arr) 

要在邊緣應用鄰居功能每5，裹着值：

C = nd.generic_filter(A, nbf, 5, mode='wrap') 

print(C) 
[200 150 100 150 200 250 300 350 300 250] 

Answer 4

可以使用NP。像這樣的墊子程序：

A = np.array([0,10,20,30,40,50,60,70,80,90]) 
A = np.pad(A, 2, 'wrap') 
print(A) 
[80, 90, 0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 0, 10] 

假設你有一個鄰居功能：

def nbf(arr): 
    return sum(arr) 

要將鄰居功能每5你必須小心你的起點和終點指數（範圍在（...）命令）和相對切片你從A.

B = [nbf(A[i-2:i+3]) for i in range(2,12)] 
print(B) 
[200, 150, 100, 150, 200, 250, 300, 350, 300, 250] 

Answer 5

numpy.roll採取可以在陣列，使得整個切片是在陣列的開始偏移。然後在開始處切片，然後再次將numpy.roll恢復到原始位置。

# modify array at index i and nearest two 
# locations on each side of i, wrapping 
# around the edges 
A = np.array([0,10,20,30,40,50,60,70,80,90]) 
i = 9 
neighbors = 2 
A=np.roll(A, -i+neighbors) 
A[:5] += 1 
A=np.roll(A, i-neighbors) 

array([ 1, 11, 20, 30, 40, 50, 60, 71, 81, 91]) 

然而numpy.roll在大型數組上表現不佳。

Answer 6

注意：對於您的鄰居不需要打包的情況，numpy.take比簡單地採取切片A[i-2:i+3]要慢。您可能需要一些條件語句來包裝你的鄰居功能：

def neighbors(a,i,n): 
    N = a.shape[0] 
    if i - n < 0 and i + n > 0: 
     indices = range(i-n,i+n+1) 
     nbrs = a.take(indices, mode='wrap') 
    elif i-n < N - 1 and i+n > N - 1: 
     indices = range(i-n,i+n+1) 
     nbrs = a.take(indices, mode='wrap') 
    else: 
     nbrs = a[i-n:i+n+1] 
    return nbrs 

如果你發現自己在一箇中心的移動平均線走的鄰居，同時通過循環訪問數組一樣，你會發現，這需要更少的時間，尤其是更長的數組：

這裏是我使用了移動平均功能：

def moving_average(a,n=1): 
    N = a.shape[0] 
    ma = np.empty(N) 
    for i in range(N): 
     if n*2+1 > N: 
      ma[i] = a.mean() 
     else: 
      ma[i] = neighbors(a,i,n).mean() 
    return ma 

我肯定這些功能可以進一步改善。我接受建議。