Python 3.x Python Numpy跟踪所有0'；爆炸性蔓延 问题:

我有一个PythonNumpy数组列表，它是RxC维度，包含所有1，只有一个地方是0

假设我们现在有3x4。我必须从0点开始追踪它的邻近区域，才能看到它的爆炸性扩散

检查上下文的视觉表示的输入

它与连锁反应传播有关，但我无法用2D阵列来追踪它

零的数量可以是'N'，如何将其周围的所有位置也标记为0

我尝试的是： 我试着做了一些数学计算，但这个公式只适用于一个地方

0

-位置3,3

尺寸-3x4

3-3，4-3=1次迭代。但这是错误的

输入： 启动：

[
[1,1,1,1],
[1,1,1,1],
[1,1,0,1],
[1,1,1,1]
]

[
[1,1,1,1],
[1,0,0,0],
[1,0,0,0],
[1,0,0,0]
]

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

迭代1:

[
[1,1,1,1],
[1,1,1,1],
[1,1,0,1],
[1,1,1,1]
]

[
[1,1,1,1],
[1,0,0,0],
[1,0,0,0],
[1,0,0,0]
]

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

迭代2:

[
[1,1,1,1],
[1,1,1,1],
[1,1,0,1],
[1,1,1,1]
]

[
[1,1,1,1],
[1,0,0,0],
[1,0,0,0],
[1,0,0,0]
]

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

输出：

---

链式反应扩散需要2次迭代才能完成。

IIUC，使用

scipy.ndimage.distance\u transform\u cdt

：

from scipy.ndimage import distance_transform_cdt

arr = np.ones((4, 4))
arr[2,2] = 0
distance_transform_cdt(arr)

输出：

array([[2, 2, 2, 2],
       [2, 1, 1, 1],
       [2, 1, 0, 1],
       [2, 1, 1, 1]])

您可以将其最大化以获得

n

distance_transform_cdt(arr).max()
# 2

使用2个零进行测试：

arr2 = np.ones((5, 5))
arr2[2,3] = 0
arr2[1,1] = 0
arr2

array([[1., 1., 1., 1., 1.],
       [1., 0., 1., 1., 1.],
       [1., 1., 1., 0., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])

distance_transform_cdt(arr2)

array([[1, 1, 1, 2, 2],
       [1, 0, 1, 1, 1],
       [1, 1, 1, 0, 1],
       [2, 2, 1, 1, 1],
       [3, 2, 2, 2, 2]])

---

这可以用相当简单的方法来完成<代码>O（nxm）<对于每次迭代，如果矩阵[i][j]=0，则将相邻节点设置为0。m不是迭代次数。你在寻找一个优化的解决方案还是什么？我在寻找一个实时解决方案，其中可以有任意数量的0，我们仍然可以计算它所花费的扩展和总迭代次数。你只需要输出（在示例2中），或者迭代次数？正如我在问题中提到的，可能会出现多个0，这个解决方案不能解决这个问题。它就像森林中的火势蔓延一样，当有多个地方起火时会发生什么情况。@高辛烷值我试过用2个零。你能检查一下吗？或者添加另一个包含多个零的示例？当然，让我试一试。：）