Python列表中的映射
我有一个存储在元组列表中的索引列表:Python列表中的映射,python,list,map,Python,List,Map,我有一个存储在元组列表中的索引列表: index=[(0,0), (0,1), (1,0), (1,1) ....] 这些索引将用于计算图像im(numpy数组)中的能量,公式如下: (1-im[0,0])^2+(1-im[0,1])^2+.... im这是一个二维numpy数组。下面是im的一个示例: im=Image.open('lena_noisy.png') im=numpy.array(im) print im [[168 133 131 ..., 127 213 107] [
index=[(0,0), (0,1), (1,0), (1,1) ....]
这些索引将用于计算图像im
(numpy数组)中的能量,公式如下:
(1-im[0,0])^2+(1-im[0,1])^2+....
im
这是一个二维numpy数组。下面是im
的一个示例:
im=Image.open('lena_noisy.png')
im=numpy.array(im)
print im
[[168 133 131 ..., 127 213 107]
[174 151 111 ..., 191 88 122]
[197 173 143 ..., 182 153 125]
...,
[ 34 15 6 ..., 111 95 104]
[ 37 15 57 ..., 121 133 134]
[ 49 39 58 ..., 115 74 107]]
如何使用列表的映射功能进行此计算 像这样,使用生成器表达式:
sum((1-im[i][j])**2 for i, j in index)
sum(((1 - im[i[0], i[1]]) ** 2) for i in index)
也就是说,假设
im
是一个二维列表,index
是im
中的坐标列表。请注意,在Python中,二维列表是这样访问的:m[i][j]
,而不是这样:m[i,j]
使用sum
和生成器表达式:
sum((1-im[i][j])**2 for i, j in index)
sum(((1 - im[i[0], i[1]]) ** 2) for i in index)
如果索引也是numpy数组,则可以将该数组用作索引:
sum(((1 - im[i]) ** 2) for i in index)
如果将
index
分成两个元组,xidx
和yidx
,则可以使用奇特的索引将所有im
值作为一个numpy数组访问。
然后,计算变得易于表达,并且比执行Python循环(或列表理解)更快:
以下是使用timeit进行的比较:
In [27]: %timeit using_generator_expression(index, im)
100 loops, best of 3: 17.9 ms per loop
In [28]: %timeit using_fancy_indexing(index, im)
100 loops, best of 3: 2.07 ms per loop
因此,根据
索引的大小,使用奇特的索引可能比使用生成器表达式快8倍。这是一个二维numpy数组,类似于查找表。值得注意的是,您可以在迭代过程中解压元组,而不是索引:求和((1-im[i][j])**2表示索引中的i,j)
@Blckknght你是对的,这更清楚了。我更新了我的答案,谢谢!