Python Numpy——基于索引将二维数组拆分为子数组

我有一个数组，我想根据明显且不重叠的矩形将其拆分为子数组：

>>> A = array([[  0.,  nan,   2.,  nan,   4.,  nan,    6,  nan],
               [ nan,  nan,  nan,  nan,  nan,  nan,  nan,  nan],
               [ nan,  nan,  nan,  nan,   20,  nan,   22,  nan],
               [ nan,  nan,  nan,  nan,  nan,  nan,  nan,  nan],
               [ 32.,  nan,  34.,  nan,  36.,  nan,  nan,  nan],
               [ nan,  nan,  nan,  nan,  nan,  nan,  nan,  nan],
               [ nan,  nan,  nan,  nan,  nan,  nan,  nan,  nan],
               [ nan,  nan,  nan,  nan,  nan,  nan,  nan,  nan]])

使用

np.argwhere

可以很容易地找到这些位置，这样做似乎很自然。我期望的输出是

>>> np.split_2d(A)
    (array([[  0.,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]])
     array([[  2.,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]])
     array([[ 32.,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]])
     array([[ 34.,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]
            [ nan,  nan ]])
     array([[ 4.,  nan ]
            [ nan,  nan ]])
     array([[ 6.,  nan ]
            [ nan,  nan ]])
     array([[ 20,  nan ]
            [ nan,  nan ]])
     array([[ 22,  nan ]
            [ nan,  nan ]])
     array([[ 36.,  nan,  nan,  nan ]
            [ nan,  nan,  nan,  nan ]
            [ nan,  nan,  nan,  nan ]
            [ nan,  nan,  nan,  nan ]]))
     ...

np.split

和相应的组件

vsplit

、

hsplit

和

dsplit

，仅沿指定的轴和索引数组工作

回答了一个类似的问题，但在我的例子中，垃圾箱的间隔不规则，大小也不相同

在我的例子中，我试图仅从几个样本中近似得到一幅图像。因此，我希望以最明显和直观的方式分割图像。我希望图像基本上被分成四个象限。例如，此图像的右下角属于36项，而不是22项

有没有一种简单的方法可以做到这一点，或者我必须自己解析它

def recurse(A):
    if A.shape[0]>A.shape[1]:   #split longest axis first
        if not np.isnan( A[0,A.shape[1]//2]):
            return [rect for part in np.split(A, 2, axis=1) for rect in recurse(part)]
        if not np.isnan( A[A.shape[0]//2,0]):
            return [rect for part in np.split(A, 2, axis=0) for rect in recurse(part)]
    else:
        if not np.isnan( A[A.shape[0]//2,0]):
            return [rect for part in np.split(A, 2, axis=0) for rect in recurse(part)]
        if not np.isnan( A[0,A.shape[1]//2]):
            return [rect for part in np.split(A, 2, axis=1) for rect in recurse(part)]
    return [A]

---

这将为该数据集生成所需的分割；但它取决于关于数据布局的几个假设，这些假设您没有指定，也可能不成立。但是，可以修改总体思路以适应各种情况。

嗨，斯科特，请您添加一个所需输出的示例好吗？包括在内，但我更清楚地说明了这一点，并对其进行了一些修正。矩形并不那么明显，因为这种平铺方式并不独特。右下角可能属于22或36。不过，这个问题似乎有一个隐含的层次结构。以新创建的角点的非nanness为条件，沿着行/列将其递归拆分为两行是否可以实现您的目标？对。我应该澄清一下。这个数组是小波变换的输出，这意味着它应该被分割成更多的正方形。36属于较粗的术语，4、6、20和22属于较细的术语。我对这个问题补充了更多的细节。