测试 numpy 数组是否是 numpy 数组列表的成员，并将其从列表中删除

Question

测试 numpy 数组是否为 numpy 数组c列表的成员时CNTS：import numpy as npc = np.array([[[ 75, 763]],              [[ 57, 763]],              [[ 57, 749]],              [[ 75, 749]]])CNTS = [np.array([[[  78, 1202]],                  [[  63, 1202]],                  [[  63, 1187]],                  [[  78, 1187]]]),        np.array([[[ 75, 763]],                  [[ 57, 763]],                  [[ 57, 749]],                  [[ 75, 749]]]),        np.array([[[ 72, 742]],                  [[ 58, 742]],                  [[ 57, 741]],                  [[ 57, 727]],                  [[ 58, 726]],                  [[ 72, 726]]]),        np.array([[[ 66, 194]],                  [[ 51, 194]],                  [[ 51, 179]],                  [[ 66, 179]]])]print(c in CNTS)我得到：ValueError：包含多个元素的数组的真值不明确。使用 a.any() 或 a.all()然而，答案相当明确：c正是CNTS[1]，所以c in CNTS应该返回 True！如何正确测试 numpy 数组是否是 numpy 数组列表的成员？删除时会发生同样的问题：CNTS.remove(c)ValueError：包含多个元素的数组的真值不明确。使用 a.any() 或 a.all()应用程序：测试opencv轮廓（numpy 数组）是否是轮廓列表的成员，例如参见Remove an opencv contour from a list of contours。

Answer 1

你所得到的错误，因为in本质上调用bool(c == x)每一个元素上x的CNTS。这__bool__是引发错误的转换：

>>> c == CNTS[1]

array([[[ True,  True]],

       [[ True,  True]],

       [[ True,  True]],

       [[ True,  True]]])

>>> bool(_)

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

这同样适用于删除，因为它测试每个元素的相等性。

遏制

解决方案是对每个比较使用np.array_equal或应用该all方法：

any(np.array_equal(c, x) for x in CNTS)

要么

any((c == x).all() for x in CNTS)

移动

要执行删除，您对元素的索引比它的存在更感兴趣。我能想到的最快方法是迭代索引，使用 的元素CNTS作为比较键：

index = next((i for i, x in enumerate(CNTS) if (c == x).all()), -1)

这个选项可以很好地短路，并-1作为默认索引返回而不是提高StopIteration. 您可以删除的说法-1来next，如果你喜欢的错误。如果您愿意，可以替换(c == x).all()为np.array_equal(c, x).

现在您可以像往常一样删除：

del CNTS[index]

Answer 2

使用del删除您想删除列表中的索引。

del CNTS[int(np.where(list(np.array_equal(row, c) for row in CNTS))[0])]

CNTS

[array([[[  78, 1202]],

        [[  63, 1202]],

        [[  63, 1187]],

        [[  78, 1187]]]), array([[[ 72, 742]],

        [[ 58, 742]],

        [[ 57, 741]],

        [[ 57, 727]],

        [[ 58, 726]],

        [[ 72, 726]]]), array([[[ 66, 194]],

        [[ 51, 194]],

        [[ 51, 179]],

        [[ 66, 179]]])]