-1

我想将 numpy 中给定数组的值更改为数组其他元素的乘积。因此，我想提取 multi_index 并对其进行操作，以便我可以识别位置并使用它。（例如，遍历所有元素并始终执行“数组中的当前位置=数组中的下一个位置+位置上方”

我试图用当前位置的 multi_index 调用一个函数，并希望所述函数采用它，例如将它增加一个位置。(<0 , 1> ---> <0 , 2> while <0 , n> n>=length 否则 <0 , 1> ---> <1 , 0>)

import numpy as np;

def fill(multi_index):
    "This will get the new value of the current iteration value judgeing from its index"
    return a[(multi_index + <0,1>) + (multi_index + <0,-1>) + (multi_index + <1,0>) + (multi_index + <-1,0>)]

#a = np.random.uniform(0, 100, size=(100, 100))
a = np.arange(6).reshape(2,3)

it = np.nditer(a, flags=['multi_index'], op_flags=['readwrite'])
while not it.finished:
    it[0] = fill(it.multi_index)
    print(it[0])
    it.iternext()

"""for x in np.nditer(a, flags=['multi_index'], op_flags=['readwrite']):

    print(x)"""

我不明白如何从 multi_index 中提取实际的“坐标”。我对python有点陌生，所以如果可能的话，请尝试彻底解释它。谢谢。

编辑：在我只用 C++ 和一点 Java 编码之前，所以我以前主要使用数组（在 C++ 中它会是这样的：

int main() { 
  int a[100][100];
  for (int i=1, i<=a.length-1, i++) { 
    for (int j=1, i<=a.width-1, j++) { 
      a[i][j] = 1/4 (a[i][j+1]+a[i][j-1]+a[i+1][j]+a[i-1][j]);
    } 
  } 
return 0;
}
4

1 回答 1

0 
In [152]: a = np.arange(6).reshape(2,3)                                                                  
In [153]: a                                                                                              
Out[153]: 
array([[0, 1, 2],
       [3, 4, 5]])

让我们运行你的nditer并查看它的值：

In [157]: it = np.nditer(a, flags=['multi_index'], op_flags=['readwrite'])                               
In [158]: while not it.finished: 
     ...:     print(it.multi_index, a[it.multi_index], it[0], type(it[0])) 
     ...:     it.iternext() 
     ...:                                                                                                
(0, 0) 0 0 <class 'numpy.ndarray'>
(0, 1) 1 1 <class 'numpy.ndarray'>
(0, 2) 2 2 <class 'numpy.ndarray'>
(1, 0) 3 3 <class 'numpy.ndarray'>
(1, 1) 4 4 <class 'numpy.ndarray'>
(1, 2) 5 5 <class 'numpy.ndarray'>

每次迭代multiindex都有一个i,j索引元组。 a[it.multiindex]然后从数组中选择该项目。但it[0]也是那个项目，但包装为一个 0d 数组。()如果您对 0d 数组（形状）的想法不满意，那么nditer（此时）不是适合您的工具。

如果您只想要顺序索引元组，ndindex也可以：

In [162]: list(np.ndindex(a.shape))                                                                      
Out[162]: [(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2)]

（实际上，np.lib.index_tricks.py说明ndindex使用nditermultiindex. 在Python 级别的代码nditer中并不常用。）numpy

或获取索引加值：

In [177]: list(np.ndenumerate(a))                                                                        
Out[177]: [((0, 0), 0), ((0, 1), 1), ((0, 2), 2), ((1, 0), 3), ((1, 1), 4), ((1, 2), 5)]

只是按顺序排列的值：

In [178]: a.ravel()                                                                                      
Out[178]: array([0, 1, 2, 3, 4, 5])

但是，numpy我们根本不喜欢迭代。numpy相反，我们尝试使用快速编译的方法编写适用于整个数组的代码。数组迭代很慢，比列表迭代慢。

===

看起来你的迭代，在某种程式化的意义上，是：

for i in range(n):
    for j in range(m):
         a[i,j] = ( a[i,j+1] + a[i,j-1] + a[i+1,j] + a[i-1,j] )/4

有一些细节需要担心。边缘呢，哪里j+/-1出界了？并且这个计算是顺序的，所以这a[i,j]取决于刚刚对a[i,j-1];所做的更改 还是缓冲？

一般来说，对这样的数组进行顺序迭代计算并不适合numpy.

另一方面，缓冲计算可以用整个数组切片很好地完成

x[1:-1, 1:-1] = (x[:,:-1]+x[:,1:]+x[:-1,:]+x[1:,:])/4

在scipy一些卷积函数中，还有一些对移动窗口执行计算的函数。

于 2019-05-23T21:23:55.837 回答