NumPy - 从另一个 2d 数组中选择一个子矩阵

Question

这是我的原始2d阵列A[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0], [0, 2, 2, 8, 8, 8, 2, 0, 0, 0], [0, 2, 2, 8, 8, 8, 2, 0, 0, 0], [0, 0, 0, 8, 8, 8, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]假设我想在中间返回一个 8 的 3x3 子矩阵。我用这个表达式做了一个布尔面具，它看起来像这样。A == 8array([[False, False, False, False, False, False, False, False, False,        False],       [False, False, False, False, False, False, False, False, False,        False],       [False, False, False, False, False, False, False, False, False,        False],       [False, False, False, False, False, False, False, False, False,        False],       [False, False, False, False, False, False, False, False, False,        False],       [False, False, False,  True,  True,  True, False, False, False,        False],       [False, False, False,  True,  True,  True, False, False, False,        False],       [False, False, False,  True,  True,  True, False, False, False,        False],       [False, False, False, False, False, False, False, False, False,        False],       [False, False, False, False, False, False, False, False, False,        False]])这就是我陷入困境的地方。如何返回带有该布尔掩码的子矩阵？如果我这样做，它会返回一个8s的平面数组，如下所示A[A == 8]array([8, 8, 8, 8, 8, 8, 8, 8, 8])另一种方法是获取返回 的行号和列号。如何使用它们返回矩阵？np.where(A == 8)(array([5, 5, 5, 6, 6, 6, 7, 7, 7]), array([3, 4, 5, 3, 4, 5, 3, 4, 5]))对于这个问题，有没有更好的方法？

Answer 1

如注释中所述，正确返回值的 rank-1 数组。这是有道理的，因为并不总是将值组织在一个块中（例如），或者值的数量使得它们不能放入2D数组中。A[A==some_value]some_valuesome_valuesome_value = 2some_value

但是，如果您确定存在这样的块，则可以执行以下操作来获取它：

import numpy as np

inds = np.where(A==8)

slice_x = slice(inds[0].min(), inds[0].max() + 1)  # slice(6, 9, None)

slice_y = slice(inds[1].min(), inds[1].max() + 1)  # slice(3, 6, None)

A[slice_x, slice_y]

# array([[8, 8, 8],

#        [8, 8, 8],

#        [8, 8, 8]])

作为替代方法，您可以使用 来获取切片：scipy.ndimage.find_objects

from scipy import ndimage

slice_x, slice_y = ndimage.find_objects(A==8)[0]  # (slice(6, 9, None), slice(3, 6, None))

Answer 2

您可以捕获和索引，然后仅使用np.ix_方法从这些索引返回子矩阵：rowcolumn

x, y = np.where(A==8) #[5 5 5 6 6 6 7 7 7], [3 4 5 3 4 5 3 4 5]

x, y = np.unique(x), np.unique(y) # [5,6,7], [3,4,5]

print(A[np.ix_(x, y)]) #prints [[8 8 8], [8 8 8], [8 8 8]]

即使在更一般的情况下，这也应该有效，尽管并不总是像预期的那样：

def submatrix(A):

    x, y = np.where(A==8)

    x, y = np.unique(x), np.unique(y)

    return A[np.ix_(x, y)]

>>> A = np.array([

[8, 2, 8, 2, 8, 0],

[2, 8, 8, 8, 2, 0],

[2, 8, 4, 8, 3, 0],

[0, 8, 8, 8, 0, 0],

[8, 0, 8, 0, 8, 0],

[0, 0, 0, 0, 0, 0]])

>>> submatrix(A)

array([[8, 2, 8, 2, 8],

       [2, 8, 8, 8, 2],

       [2, 8, 4, 8, 3],

       [0, 8, 8, 8, 0],

       [8, 0, 8, 0, 8]])

>>> A = np.array([

[8, 2, 8, 2, 8, 0],

[2, 2, 8, 8, 2, 0],

[2, 2, 4, 3, 3, 0],

[0, 2, 8, 8, 0, 0],

[8, 0, 8, 0, 8, 0],

[0, 0, 0, 0, 0, 0]])

>>> submatrix(A) # skipping empty rows and columns

array([[8, 8, 2, 8],

       [2, 8, 8, 2],

       [0, 8, 8, 0],

       [8, 8, 0, 8]])

由于返回排序数组，因此您可以填充构造的空白，如下所示：np.uniquexy

def submatrix(A):

    x, y = np.where(A==8)

    x, y = np.unique(x), np.unique(y)

    x, y = np.arange(x[0], x[-1]+1), np.arange(y[0], y[-1]+1)

    return A[np.ix_(x, y)]

Answer 3

您可以尝试以下操作

 data = A[np.any(A==8,axis=1)]
 data.T[np.all(data==8,axis=0)]

这应该给，

 array([[8, 8, 8],
        [8, 8, 8],
        [8, 8, 8]])