Python 如何得到矩阵中元素周围所有邻域的值？

我需要在python中获得矩阵中元素周围所有邻居的值。假设我有一个如下所示的矩阵

  matrix=[[1,2,3,4],
             [5,6,7,8],
             [9,10,11,12]]

对于第一个元素，即

矩阵[0][0]

，相邻元素是

[2,5,6]

对于

矩阵[0][1]

，邻域是

[1,3,5,6,7]

对于

矩阵[0][2]

，邻域是

[2,4,6,7,8]

对于给定的元素，我需要得到这些值的列表

---

当I=0，j=0得到矩阵[0][1]、矩阵[1][0]、矩阵[1][1]时，我可以通过比较I，j值来做同样的事情，使用开关盒等等。但它将成为冗长的代码。是否有任何内置函数或模块使上述任务更简单？

您可以在矩阵中建立坐标和相应值的字典，以便更简单地查找：

matrix=[[1,2,3,4],
        [5,6,7,8],
        [9,10,11,12]]

def get_neighbors(a, b):
  d = {(i, c):matrix[i][c] for i in range(len(matrix)) for c in range(len(matrix[0]))}
  return filter(None, [d.get(i) for i in
    [(a+1, b+1), (a, b+1), (a+1, b), (a-1, b+1), (a-1, b), (a, b-1), (a+1, b-1)]])

cords = [(0, 0), (0, 1), (0, 2)]
results = [get_neighbors(*i) for i in cords]

输出：

[[6, 2, 5], [7, 3, 6, 1, 5], [8, 4, 7, 2, 6]]

---

如果您不关心效率，请使用

scipy

：

import scipy, scipy.ndimage

def nb_vals(matrix, indices):
    matrix = scipy.array(matrix)
    indices = tuple(scipy.transpose(scipy.atleast_2d(indices)))
    arr_shape = scipy.shape(matrix)
    dist = scipy.ones(arr_shape)
    dist[indices] = 0
    dist = scipy.ndimage.distance_transform_cdt(dist, metric='chessboard')
    nb_indices = scipy.transpose(scipy.nonzero(dist == 1))
    return [matrix[tuple(ind)] for ind in nb_indices]

e、 g

这是不可知维度的（适用于输入“矩阵”的任意数量的维度），并处理任意数量的索引，您可能希望在其周围找到邻居

>>> arr_shape = (2,3,4,5)
>>> testMatrix = scipy.array(scipy.random.random(arr_shape)*10, dtype=int)
>>> print(testMatrix)
[[[[7 0 0 1 9]
   [9 5 8 5 8]
   [4 0 0 8 0]
   [1 9 1 3 2]]

  [[9 2 3 3 5]
   [2 3 3 7 9]
   [6 5 6 6 2]
   [9 1 1 0 0]]

  [[8 8 5 7 9]
   [9 0 7 7 6]
   [3 8 7 6 4]
   [8 7 5 5 9]]]

 [[[8 9 2 0 0]
   [8 3 5 5 2]
   [4 0 1 0 3]
   [1 0 9 1 3]]

  [[6 9 2 5 2]
   [2 7 5 5 3]
   [6 7 2 9 5]
   [4 2 7 3 1]]

  [[1 7 7 7 6]
   [5 1 4 1 0]
   [3 9 4 9 7]
   [7 7 6 6 7]]]]

>>> nb_vals(testMatrix, [1,2,2,3])
[3, 7, 9, 6, 6, 2, 1, 0, 0, 7, 7, 6, 7, 6, 4, 5, 5, 9, 5, 5, 3, 2, 9, 5, 7, 3, 1, 4, 1, 0, 4, 7, 6, 6, 7]

---

此解决方案在类似于二进制数组掩码的图像上使用棋盘式倒角变换，其中

1

等于掩码上的白色像素，

0

等于掩码上的黑色像素（背景）。切角变换计算所有白色像素到背景的棋盘距离；距离计算为1的所有像素位置都是相邻的，并且会返回输入阵列上这些位置的值。

您是否同意使用numpy？那么所需的输出是什么？名单？输入是什么？整个，呃，矩阵？电池的位置

（x，y）

？是@madpysicator。我可以使用numpy。您能推荐使用numpy的更简单的解决方案吗？@MrT，输入是单元格的索引，即矩阵[行][列]。输出应该是一个与特定单元格相邻的数字列表。@Ssukumar。如果我可以的话，我会想办法的。为什么不使用numpy数组呢？@madpysicalist

scipy

和

numpy

数组是相同的。

numpy

是

scipy

的一个子集。虽然这是真的，但你建议的数组使用得非常糟糕tools@MadPhysicist你可能想详细说明你的意思。对于用户希望为邻居选择的任意维数和任意元素数的数组，我相信这样做更干净。到目前为止，我完全看不出你评论的意义。是的，很抱歉。我太沉迷于“矩阵”而没有注意到维度不可知的部分。我觉得这太过分了。投票被推翻了。

>>> arr_shape = (2,3,4,5)
>>> testMatrix = scipy.array(scipy.random.random(arr_shape)*10, dtype=int)
>>> print(testMatrix)
[[[[7 0 0 1 9]
   [9 5 8 5 8]
   [4 0 0 8 0]
   [1 9 1 3 2]]

  [[9 2 3 3 5]
   [2 3 3 7 9]
   [6 5 6 6 2]
   [9 1 1 0 0]]

  [[8 8 5 7 9]
   [9 0 7 7 6]
   [3 8 7 6 4]
   [8 7 5 5 9]]]

 [[[8 9 2 0 0]
   [8 3 5 5 2]
   [4 0 1 0 3]
   [1 0 9 1 3]]

  [[6 9 2 5 2]
   [2 7 5 5 3]
   [6 7 2 9 5]
   [4 2 7 3 1]]

  [[1 7 7 7 6]
   [5 1 4 1 0]
   [3 9 4 9 7]
   [7 7 6 6 7]]]]

>>> nb_vals(testMatrix, [1,2,2,3])
[3, 7, 9, 6, 6, 2, 1, 0, 0, 7, 7, 6, 7, 6, 4, 5, 5, 9, 5, 5, 3, 2, 9, 5, 7, 3, 1, 4, 1, 0, 4, 7, 6, 6, 7]