在python Numpy中结合切片和高级索引

我尝试将numpy数组切片和高级索引结合起来，但没有成功。例如，我有一个填充了1/0的numpy数组

r = np.array([0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0])

我找到了非零元素的索引：

(nz,) = np.nonzero(r)

然后我想使用非零索引数组对我的数组r进行操作。对于r中的每个索引，我希望在r中向前的值的下面5个范围内着色。差不多-

r[nz,:nz:nz+5] = 255

结果如下：

数组[0,0,255,255,0,255,0,0,255,0,255,0,255,0,0， 0,0,0,0,0,0,0,0,0]

不过，我预计会出现以下情况：

数组[0,0,255,255,255,255,255,255,255,255,255,255,255,255， 255,255,0,0,0,0,0,0]

考虑到我的索引[nz，：nz:nz+5]=255。我认为这意味着从当前指数nz到nz+5，将值设置为255

---

我的目标是避免由于效率原因而必须对数组进行for循环迭代。我对python和numpy比较陌生，所以欢迎所有建议。

创建一个切片矩阵怎么样：

>>> import numpy as np
>>> r = np.array([0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> nz = np.nonzero(r)
>>> slices = np.vstack(np.arange(x, x + 5) for x in nz[0])
>>> slices
array([[ 2,  3,  4,  5,  6],
       [ 3,  4,  5,  6,  7],
       [ 5,  6,  7,  8,  9],
       [ 8,  9, 10, 11, 12],
       [10, 11, 12, 13, 14]], dtype=int64)
>>> r[slices]
array([[1, 1, 0, 1, 0],
       [1, 0, 1, 0, 0],
       [1, 0, 0, 1, 0],
       [1, 0, 1, 0, 0],
       [1, 0, 0, 0, 0]])
>>> r[slices] = 255
>>> r
array([  0,   0, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
       255, 255,   0,   0,   0,   0,   0])

---

请注意，此代码假定结尾有足够的填充。如果它试图索引r之外的项目，则索引器将失败。

问题描述类似于典型的信号卷积步骤。scipy中有两个模块实现信号处理，scipy.signal和scipy.ndimage，如果您计划做更多的工作，您可能会发现这两个模块很有趣。在这种特殊情况下，您可以使用泛型np.convalve注意，我添加了尾随1以进行说明：

In [45]: r = np.array([0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1])

In [46]: r[np.convolve(r, np.ones(5, dtype=r.dtype))[:-4] > 0] = 255; r
Out[46]: 
array([  0,   0, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
       255, 255,   0,   0,   0,   0, 255])

下面是卷积运算的结果：

In [48]: np.convolve(r, np.ones(5, dtype=r.dtype))
Out[48]: 
array([0, 0, 1, 2, 2, 3, 3, 2, 2, 2, 2, 2, 2, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1])

如您所见，最后一个1在结尾处产生了完整的1序列，它们应该被剥离。之后，卷积数组中的非零元素将为您提供所需的布尔掩码：

In [49]: np.convolve(r, np.ones(5, dtype=r.dtype))[:-4] > 0
Out[49]: 
array([False, False,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True, False, False, False,
       False,  True], dtype=bool)

---

你能用一个输入样本和期望的输出编辑你的问题吗？这是一个索引错误，只是在一些旧的numpy版本中是一个错误，它是完全允许的。一个维度有两个索引。