Python 给定一个向量场（dx，dy），将位置（行，列）处的矩阵值移动到新位置（行+；dx，列+；dy）

给定一个矩阵

[   a   b   -  ]
[   -   e   f  ]
[   g   h   -  ]

其中，为了演示，-表示零条目

我们也使用向量场

[   (0,1)   (0,1)   (0,0)  ]
[   (0,0)  (0,-1)  (0,-1)  ]
[   (0,1)   (0,1)   (0,0)  ]

其中，每个元组指定要在矩阵中移动相应元素的数量（行、列）。通过相应的向量移动每个元素以实现以下目标的Pythonic/effective方法是什么：

[   -   a   b  ]
[   e   f   -  ]
[   -   g   h  ]

---

这是受一个共同注册问题的启发，但除了在元素方面循环之外，我还没有找到一个解决这个问题的好办法。我不熟悉图像处理，也不熟悉Python编程-做这件事的有效/公认方法是什么？

可以使用

np.add.at

：

A = np.array([["a","b",""],["","c","d"],["e","f",""]])
l,n,r = [[0,-1],[0,0],[0,1]]
B = np.array([[r,r,n],[n,l,l],[r,r,n]])

out = np.zeros_like(A)
i,j = np.ogrid[:3,:3]
np.add.at(out.view('u4'),(i+B[...,0],j+B[...,1]),A.view('u4'))

out
# array([['', 'a', 'b'],
#        ['c', 'd', ''],
#        ['', 'e', 'f']], dtype='<U1')

A=np.array（[[“A”、“b”、“c”、“d”、“e”、“f”和“]））
l、 n，r=[[0，-1]，[0,0]，[0,1]]
B=np.数组（[[r，r，n]，[n，l，l]，[r，r，n]]
out=np.zero_类似（A）
i、 j=np.ogrid[：3，：3]
np.add.at（out.view（'u4'），（i+B[…，0]，j+B[…，1]），A.view（'u4'））
出来
#数组（[''，a'，b']，
#[c]、[d]、[d]、[d]，
#['''e'，'f']]，dtype='你能进一步解释一下使用这些元组将
abc
转换为
cab
的逻辑吗？@AndyL。当然。更明确地说，我使用的向量场是一个变形图。一个玩具示例是一张脸不微笑的图像，和一张脸微笑的图像。从各方面考虑，嘴唇的像素会移动most.给定一个变形图，如何使用变形图从非笑脸近似出笑脸？它是数据帧还是numpy矩阵？向量场的一行中的值是否可以不同？例如：[（0,1）（1,1）（0,1）]？在
第0行
，您能否解释
a
如何移动到位置（0,1）和
c
移动到位置（0，0）？我明白了。为什么构建一个包含不同数据类型（out.view（'u4'））的矩阵视图很重要？@batlike，因为numpy不喜欢添加字符串。我假设在实际问题中，您将有一个数字类型，所以您不需要（实际上，不应该）视图转换。。