Python列表中的映射

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]
 [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！