Python 如何枚举不包括第一行和最后一行和列的二维NumPy数组？

我想列举二维NumPy数组的元素，不包括第一行和最后一行和列（即下面矩阵中的元素）

我可以使用枚举每个元素，并在第一行和最后一行/列中添加条件检查，但这似乎很粗糙：

for ij, q_ij in np.ndenumerate(q):
    print(ij, q_ij)

当我切掉第一列和最后一列时，

I

和

j

将被切掉一行

for ij, q_ij in np.ndenumerate(q[1:-1, 1:-1]):
    i, j = ij
    original_ij = (i + 1, j + 1)
    print(original_ij, ij, q_ij)

# (1, 1) (0, 0) 1.0
# (1, 2) (0, 1) 1.0
# (2, 1) (1, 0) 1.0
# (2, 2) (1, 1) 1.0

我可以明显地调整

I

和

j

以正确参考原始矩阵。为了清晰起见，我试图计算标量场的拉普拉斯函数（例如温度）

并且需要避免边界元素

有没有更优雅的方法可以做到这一点？

我认为再也没有“优雅”的形式了，真诚地说，我将使用基本范围（1，q_ij-1）*，但最终都是我们的编程方式，只需使用您更舒适且工作良好的形式即可

范围（开始，停止[，步骤]）

我认为再也没有“优雅”的形式了，真诚地说，我将使用基本范围（1，q_ij-1）*，但最终都是我们的编程方式，只需使用您更舒适且工作良好的形式即可

---

范围（开始、停止[、步骤]）

使用切片分配构造数组：

In [164]: arr = np.zeros((4,4),int)
In [165]: arr[1:3,1:3] = np.arange(1,5).reshape(2,2)
In [166]: arr
Out[166]: 
array([[0, 0, 0, 0],
       [0, 1, 2, 0],
       [0, 3, 4, 0],
       [0, 0, 0, 0]])

由于打印每个元素，因此所需索引上的双循环与

ndenumerate

（或“隐藏”索引的任何其他内容）一样好：

用坐标一个接一个地打印数组的元素没有什么优雅之处

编辑 可以像这样用切片重写（诽谤可能不正确）

我的目标是对基本差分计算进行2d扩展：

In [178]: x = np.array([1,0,3,2,0,1])
In [179]: x[1:] - x[:-1]
Out[179]: array([-1,  3, -1, -2,  1])

这就是

np.diff（x）

在

scipy.signal

中，有一个可能适用的

convolve

功能。我见过其他人使用它，但我自己没有

---

使用切片分配构造数组：

In [164]: arr = np.zeros((4,4),int)
In [165]: arr[1:3,1:3] = np.arange(1,5).reshape(2,2)
In [166]: arr
Out[166]: 
array([[0, 0, 0, 0],
       [0, 1, 2, 0],
       [0, 3, 4, 0],
       [0, 0, 0, 0]])

由于打印每个元素，因此所需索引上的双循环与

ndenumerate

（或“隐藏”索引的任何其他内容）一样好：

用坐标一个接一个地打印数组的元素没有什么优雅之处

编辑 可以像这样用切片重写（诽谤可能不正确）

我的目标是对基本差分计算进行2d扩展：

In [178]: x = np.array([1,0,3,2,0,1])
In [179]: x[1:] - x[:-1]
Out[179]: array([-1,  3, -1, -2,  1])

这就是

np.diff（x）

在

scipy.signal

中，有一个可能适用的

convolve

功能。我见过其他人使用它，但我自己没有

---

通过在阵列上循环，您试图实现的目标是什么。您最好使用numpy的非循环方法。不建议在numpy阵列上循环。也许你可以详细说明你更广泛的问题，这样我们可以更好地帮助你。感谢you@Ehsan我试图计算标量场的拉普拉斯函数

q

（编辑问题以澄清）。通过在数组上循环，您试图实现的是什么。您最好使用numpy的非循环方法。不建议在numpy阵列上循环。也许你可以详细说明你更广泛的问题，这样我们可以更好地帮助你。感谢you@Ehsan我试图计算标量场的拉普拉斯函数

q

（编辑问题以澄清）。我添加了更多的上下文，说明为什么我只需要非边界元素（计算标量场的拉普拉斯函数）。使用

np.arange

和

np.reformate

对非边界值进行切片的好技巧。我添加了一个

np.diff

示例。我添加了更多关于为什么只需要非边界元素（计算标量字段的拉普拉斯数）的上下文。使用

np.arange

和

np.reformate

我添加了一个

np.diff

示例，这是一个很好的在非边界值中切片的技巧。

q[i+1][j] + q[i-1][j] + q[i][j+1] + q[i][j-1] - 4*a[i][j]

q[2:4,1:3] - q[0:2,1:3] + ... - 4*a[1:3, 1:3]

In [178]: x = np.array([1,0,3,2,0,1])
In [179]: x[1:] - x[:-1]
Out[179]: array([-1,  3, -1, -2,  1])