Python 二值图像数据帧到欧氏坐标

我希望获取一个图像的数据帧，它是假/真的二进制布尔值，并将其转换为一个坐标数组，其中数据帧为真

---

例如，如果索引[4]和列[8]为true，则会将4,8添加到数组中

IIUC您可以这样做：

In [70]: df
Out[70]:
       a      b      c
0   True  False   True
1   True   True  False
2  False   True   True
3  False   True   True
4   True  False  False
5  False   True  False
6   True  False  False
7  False   True  False
8  False  False   True
9   True  False   True

In [71]: np.dstack(np.nonzero(df.values))[0]
Out[71]:
array([[0, 0],
       [0, 2],
       [1, 0],
       [1, 1],
       [2, 1],
       [2, 2],
       [3, 1],
       [3, 2],
       [4, 0],
       [5, 1],
       [6, 0],
       [7, 1],
       [8, 2],
       [9, 0],
       [9, 2]], dtype=int64)

或：

设置：

df = pd.DataFrame(np.random.choice([True, False], (10, 3)), columns=list('abc'))

设置

使用@MaxU的示例数据帧

df = pd.DataFrame({
        'a': [True, True, False, False, True, False, True, False, False, True],
        'b': [False, True, True, True, False, True, False, True, False, False],
        'c': [True, False, True, True, False, False, False, False, True, True]})

---

我猜您需要数据帧的

索引

和列的坐标`

选项1

堆栈

+

掩码

s = df.stack()
s[s].index.values

array([(0, 'a'), (0, 'c'), (1, 'a'), (1, 'b'), (2, 'b'), (2, 'c'),
       (3, 'b'), (3, 'c'), (4, 'a'), (5, 'b'), (6, 'a'), (7, 'b'),
       (8, 'c'), (9, 'a'), (9, 'c')], dtype=object)

选项2
仅使用

np.where

np.stack(np.where(df.values)).reshape(-1, 2)

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

r, c = np.where(df.values)
list(zip(df.index[r], df.columns[c]))

[(0, 'a'),
 (0, 'c'),
 (1, 'a'),
 (1, 'b'),
 (2, 'b'),
 (2, 'c'),
 (3, 'b'),
 (3, 'c'),
 (4, 'a'),
 (5, 'b'),
 (6, 'a'),
 (7, 'b'),
 (8, 'c'),
 (9, 'a'),
 (9, 'c')]

​选项3
使用

np.where

np.stack(np.where(df.values)).reshape(-1, 2)

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

r, c = np.where(df.values)
list(zip(df.index[r], df.columns[c]))

[(0, 'a'),
 (0, 'c'),
 (1, 'a'),
 (1, 'b'),
 (2, 'b'),
 (2, 'c'),
 (3, 'b'),
 (3, 'c'),
 (4, 'a'),
 (5, 'b'),
 (6, 'a'),
 (7, 'b'),
 (8, 'c'),
 (9, 'a'),
 (9, 'c')]