python numpy滚动,沿任意方向填充



我试图重新中心一组类似图像的数据,我知道x-和y-维度中的适当偏移。与这个问题类似,我想做一些"滚动"之类的事情,但是我不假设我想填写带有零数组中的"空"位置。

我的问题比我链接的问题更笼统,因为我想将数组转移到任意方向上。在接受的解决方案中,必须始终知道图像的滚动方向,以切断适当的边缘。特别是,这里是接受的解决方案,涉及将数组X转换为1。

import numpy as np
x = np.array([[1, 2, 3],[4, 5, 6]])
print np.pad(x,((0,0),(1,0)), mode='constant')[:, :-1]

要进行反向操作,必须硬编码以下更改:

import numpy as np
x = np.array([[1, 2, 3],[4, 5, 6]])
print np.pad(x,((0,0),(0,1)), mode='constant')[:, 1:] 
// changed argument of pad
// and array indices

是否有一种简单的方法可以一次实施?

modepad的核心是:

newmat = narray.copy()
# API preserved, but completely new algorithm which pads by building the
# entire block to pad before/after `arr` with in one step, for each axis.
if mode == 'constant':
    for axis, ((pad_before, pad_after), (before_val, after_val)) 
            in enumerate(zip(pad_width, kwargs['constant_values'])):
        newmat = _prepend_const(newmat, pad_before, before_val, axis)
        newmat = _append_const(newmat, pad_after, after_val, axis)

因此,pad_width元组(元组)决定了动作,即预处理或附加恒定垫。请注意,它在轴上迭代。

您自己的代码可能会一样快,因为pad在这里没有做任何神奇(或编译)的事情。

prepend函数的串联像:

np.concatenate((np.zeros(padshape, dtype=arr.dtype), arr),
                          axis=axis)

有关详细信息,请参见np.lib.arraypad.py

因此,对于每个非零垫的量,它在所需形状的零块上加入。


In [280]: x = np.array([[1, 2, 3],[4, 5, 6]])

您的两个pad版本:

In [281]: np.pad(x,((0,0),(1,0)), mode='constant')[:, :-1]
Out[281]: 
array([[0, 1, 2],
       [0, 4, 5]])
In [282]:  np.pad(x,((0,0),(0,1)), mode='constant')[:, 1:]
Out[282]: 
array([[2, 3, 0],
       [5, 6, 0]])

直接insert等效物:

In [283]: res = np.zeros_like(x)
In [284]: res[:,1:] = x[:,:-1]
In [285]: res
Out[285]: 
array([[0, 1, 2],
       [0, 4, 5]])
In [286]: res = np.zeros_like(x)
In [287]: res[:,:-1] = x[:,1:]
In [288]: res
Out[288]: 
array([[2, 3, 0],
       [5, 6, 0]])

您可以在第一个轴上执行相同的操作。一般表达是

res = np.zeros_like(x)
idx1 = (slice(...), slice(...))
idx2 = (slice(...), slice(...))
res[idx1] = x[idx2]

idx元组取决于滚动轴和方向。

,例如

idx1 = (slice(None), slice(1,None))
idx2 = (slice(None), slice(None,-1))

有2个轴和2个方向,即4对。

最新更新