8

使用这个可重现的小示例，到目前为止，我无法从 3 个数组中生成一个新的整数数组，该数组包含所有三个输入数组的唯一分组。

这些数组与地形属性有关：

import numpy as np
asp = np.array([8,1,1,2,7,8,2,3,7,6,4,3,6,5,5,4]).reshape((4,4))  #aspect
slp = np.array([9,10,10,9,9,12,12,9,10,11,11,9,9,9,9,9]).reshape((4,4))  #slope
elv = np.array([13,14,14,13,14,15,16,14,14,15,16,14,13,14,14,13]).reshape((4,4)) #elevation

这个想法是使用 GIS 例程将地理轮廓分为 3 个不同的属性：

  • 1-8 表示方面（1 = 朝北，2 = 朝东北等）
  • 9-12 坡度（9=平缓坡度...12=最陡坡度）
  • 13-16 表示海拔（13=最低海拔...16=最高海拔）

下面的小图试图描述我所追求的结果（数组显示在左下角）。请注意，图中给出的“答案”只是一种可能的答案。我不关心结果数组中整数的最终排列，只要最终数组在每个行/列索引处包含一个标识唯一分组的整数即可。

例如，[0,1] 和 [0,2] 处的数组索引具有相同的坡向、坡度和高程，因此在结果数组中接收相同的整数标识符。

numpy是否有针对这种事情的内置例程？

阵列组合图形

4

5 回答 5

4

网格中的每个位置都与一个由和中的一个值组成的元组相关 asp联。例如，左上角有 tuple 。我们想将此元组映射到唯一标识此元组的数字。slpelv(8,9,13)

一种方法是将其(8,9,13)视为 3D 数组的索引 np.arange(9*13*17).reshape(9,13,17)。选择此特定数组以容纳和中asp的最大值：slpelv

In [107]: asp.max()+1
Out[107]: 9

In [108]: slp.max()+1
Out[108]: 13

In [110]: elv.max()+1
Out[110]: 17

现在我们可以将元组 (8,9,13) 映射到数字 1934：

In [113]: x = np.arange(9*13*17).reshape(9,13,17)

In [114]: x[8,9,13]
Out[114]: 1934

如果我们对网格中的每个位置执行此操作，那么我们会为每个位置获得一个唯一编号。我们可以在这里结束，让这些唯一的数字作为标签。

np.unique或者，我们可以使用with return_inverse=True生成更小的整数标签（从 0 开始并增加 1）：

uniqs, labels = np.unique(vals, return_inverse=True)
labels = labels.reshape(vals.shape)

所以，例如，

import numpy as np

asp = np.array([8,1,1,2,7,8,2,3,7,6,4,3,6,5,5,4]).reshape((4,4))  #aspect
slp = np.array([9,10,10,9,9,12,12,9,10,11,11,9,9,9,9,9]).reshape((4,4))  #slope
elv = np.array([13,14,14,13,14,15,16,14,14,15,16,14,13,14,14,13]).reshape((4,4)) #elevation

x = np.arange(9*13*17).reshape(9,13,17)
vals = x[asp, slp, elv]
uniqs, labels = np.unique(vals, return_inverse=True)
labels = labels.reshape(vals.shape)

产量

array([[11,  0,  0,  1],
       [ 9, 12,  2,  3],
       [10,  8,  5,  3],
       [ 7,  6,  6,  4]])

只要asp,slp和中的值elv是小整数，上述方法就可以正常工作。如果整数太大，它们的最大值的乘积可能会溢出可以传递给的最大允许值np.arange。此外，生成如此大的数组效率低下。如果这些值是浮点数，那么它们不能被解释为 3D 数组的索引x。

因此，要解决这些问题，请先将,中np.unique的值转换为唯一的整数标签：aspslpelv

indices = [ np.unique(arr, return_inverse=True)[1].reshape(arr.shape) for arr in [asp, slp, elv] ]
M = np.array([item.max()+1 for item in indices])
x = np.arange(M.prod()).reshape(M)
vals = x[indices]
uniqs, labels = np.unique(vals, return_inverse=True)
labels = labels.reshape(vals.shape)

这会产生与上面所示相同的结果，但即使asp, slp,elv是浮点数和/或大整数也有效。

最后，我们可以避免生成np.arange：

x = np.arange(M.prod()).reshape(M)
vals = x[indices]

通过计算vals指数和步幅的乘积：

M = np.r_[1, M[:-1]]
strides = M.cumprod()
indices = np.stack(indices, axis=-1)
vals = (indices * strides).sum(axis=-1)

所以把它们放在一起：

import numpy as np

asp = np.array([8,1,1,2,7,8,2,3,7,6,4,3,6,5,5,4]).reshape((4,4))  #aspect
slp = np.array([9,10,10,9,9,12,12,9,10,11,11,9,9,9,9,9]).reshape((4,4))  #slope
elv = np.array([13,14,14,13,14,15,16,14,14,15,16,14,13,14,14,13]).reshape((4,4)) #elevation

def find_labels(*arrs):
    indices = [np.unique(arr, return_inverse=True)[1] for arr in arrs]
    M = np.array([item.max()+1 for item in indices])
    M = np.r_[1, M[:-1]]
    strides = M.cumprod()
    indices = np.stack(indices, axis=-1)
    vals = (indices * strides).sum(axis=-1)
    uniqs, labels = np.unique(vals, return_inverse=True)
    labels = labels.reshape(arrs[0].shape)
    return labels

print(find_labels(asp, slp, elv))

# [[ 3  7  7  0]
#  [ 6 10 12  4]
#  [ 8  9 11  4]
#  [ 2  5  5  1]]
于 2017-12-30T16:16:25.303 回答
2

这可以使用numpy.unique()然后使用如下映射来完成：

代码：

combined = 10000 * asp + 100 * slp + elv
unique = dict(((v, i + 1) for i, v in enumerate(np.unique(combined))))
combined_unique = np.vectorize(unique.get)(combined)

测试代码：

import numpy as np

asp = np.array([8, 1, 1, 2, 7, 8, 2, 3, 7, 6, 4, 3, 6, 5, 5, 4]).reshape((4, 4))  # aspect
slp = np.array([9, 10, 10, 9, 9, 12, 12, 9, 10, 11, 11, 9, 9, 9, 9, 9]).reshape((4, 4))  # slope
elv = np.array([13, 14, 14, 13, 14, 15, 16, 14, 14, 15, 16, 14, 13, 14, 14, 13]).reshape((4, 4))

combined = 10000 * asp + 100 * slp + elv
unique = dict(((v, i + 1) for i, v in enumerate(np.unique(combined))))
combined_unique = np.vectorize(unique.get)(combined)

print(combined_unique)

结果：

[[12  1  1  2]
 [10 13  3  4]
 [11  9  6  4]
 [ 8  7  7  5]]
于 2017-12-30T16:08:25.783 回答
1

这似乎与标记图像中的唯一区域类似的问题。这是我为此编写的一个函数，尽管您首先需要将 3 个数组连接到 1 个 3D 数组。

def labelPix(pix):
    height, width, _ = pix.shape
    pixRows = numpy.reshape(pix, (height * width, 3))
    unique, counts = numpy.unique(pixRows, return_counts = True, axis = 0)

    unique = [list(elem) for elem in unique]

    labeledPix = numpy.zeros((height, width), dtype = int)
    offset = 0
    for index, zoneArray in enumerate(unique):
        index += offset
        zone = list(zoneArray)
        zoneArea = (pix == zone).all(-1)
        elementsArray, numElements = scipy.ndimage.label(zoneArea)

        elementsArray[elementsArray!=0] += offset

        labeledPix[elementsArray!=0] = elementsArray[elementsArray!=0]

        offset += numElements

    return labeledPix

这将标记唯一的 3 值组合，同时还将单独的标签分配给具有相同 3 值组合但彼此不接触的区域。

asp = numpy.array([8,1,1,2,7,8,2,3,7,6,4,3,6,5,5,4]).reshape((4,4))  #aspect
slp = numpy.array([9,10,10,9,9,12,12,9,10,11,11,9,9,9,9,9]).reshape((4,4))  #slope
elv = numpy.array([13,14,14,13,14,15,16,14,14,15,16,14,13,14,14,13]).reshape((4,4)) #elevation

pix = numpy.zeros((4,4,3))
pix[:,:,0] = asp
pix[:,:,1] = slp
pix[:,:,2] = elv

print(labelPix(pix))

返回：

[[ 0  1  1  2]
 [10 12  3  4]
 [11  9  6  4]
 [ 8  7  7  5]]
于 2017-12-30T15:58:02.433 回答
1

这是一个简单的 Python 技术，使用itertools.groupby. 它要求输入是一维列表，但这不应该是一个主要问题。策略是将列表与索引号一起压缩，然后对结果列进行排序。然后我们将相同的列组合在一起，在比较列时忽略索引号。然后我们从每个组中收集索引号，并使用它们来构建最终的输出列表。

from itertools import groupby

def show(label, seq):
    print(label, ' '.join(['{:2}'.format(u) for u in seq]))

asp = [8, 1, 1, 2, 7, 8, 2, 3, 7, 6, 4, 3, 6, 5, 5, 4] 
slp = [9, 10, 10, 9, 9, 12, 12, 9, 10, 11, 11, 9, 9, 9, 9, 9] 
elv = [13, 14, 14, 13, 14, 15, 16, 14, 14, 15, 16, 14, 13, 14, 14, 13]

size = len(asp)
a = sorted(zip(asp, slp, elv, range(size)))
groups = sorted([u[-1] for u in g] for _, g in groupby(a, key=lambda t:t[:-1]))
final = [0] * size
for i, g in enumerate(groups, 1):
    for j in g:
        final[j] = i

show('asp', asp)
show('slp', slp)
show('elv', elv)
show('out', final)

输出

asp  8  1  1  2  7  8  2  3  7  6  4  3  6  5  5  4
slp  9 10 10  9  9 12 12  9 10 11 11  9  9  9  9  9
elv 13 14 14 13 14 15 16 14 14 15 16 14 13 14 14 13
out  1  2  2  3  4  5  6  7  8  9 10  7 11 12 12 13

没有必要做第二个排序，我们可以只使用一个普通的列表组合

groups = [[u[-1] for u in g] for _, g in groupby(a, key=lambda t:t[:-1])]

或生成器表达式

groups = ([u[-1] for u in g] for _, g in groupby(a, key=lambda t:t[:-1]))

我这样做只是为了让我的输出与问题中的输出相匹配。

于 2017-12-30T16:18:28.770 回答
1

这是使用基于字典的查找来解决此问题的一种方法。

from collections import defaultdict
import itertools

group_dict = defaultdict(list)
idx_count = 0

for a, s, e in np.nditer((asp, slp, elv)):
     asp_tuple = (a.tolist(), s.tolist(), e.tolist())
     if asp_tuple not in group_dict:
         group_dict[asp_tuple] = [idx_count+1]
         idx_count += 1
     else:
         group_dict[asp_tuple].append(group_dict[asp_tuple][-1])


list1d = list(itertools.chain(*list(group_dict.values())))

np.array(list1d).reshape(4, 4)

# result 
array([[ 1,  2,  2,  3],
       [ 4,  5,  6,  7],
       [ 7,  8,  9, 10],
       [11, 12, 12, 13]])
于 2017-12-30T17:17:26.870 回答