Python 从二维阵列中提取块

假设您有一个连续填充整数的二维数组，从左到右，从上到下。因此看起来

[[ 0,  1,  2,  3,  4],
 [ 5,  6,  7,  8,  9],
 [10, 11, 12, 13, 14],
 [15, 16, 17, 18, 19]]

假设现在有一个1D数组，上面的数组中显示了一些整数。假设这个数组是

[6,7,11]

。我想提取包含列表元素的二维数组的块/区块。有了这两个输入，结果应该是

[[ 6.,  7.],
 [11., nan]]

（我正在填充

np.nan

is，它不能被重塑）

这是我写的。请问有没有更简单的方法

import numpy as np
def my_fun(my_list):
    ids_down = 4
    ids_across = 5
    layout = np.arange(ids_down * ids_across).reshape((ids_down, ids_across))

    ids = np.where((layout >= min(my_list)) & (layout <= max(my_list)), layout, np.nan)
    r,c = np.unravel_index(my_list, ids.shape)
    out = np.nan*np.ones(ids.shape)
    for i, t in enumerate(zip(r,c)):
        out[t] = my_list[i]

    ax1_mask = np.any(~np.isnan(out), axis=1)
    ax0_mask = np.any(~np.isnan(out), axis=0)
    out = out[ax1_mask, :]
    out = out[:, ax0_mask]

    return out

---

一种方法是通过检查数组中的哪些元素包含在第二个列表中来查找。我们可以使用：

---

设置-

a = np.array([[ 0,  1,  2,  3,  4],
              [ 5,  6,  7,  8,  9],
              [10, 11, 12, 13, 14],
              [15, 16, 17, 18, 19]])

b = np.array([6,7,11])

---

或者对于

b=np.array（[10,12,16]）

我们会得到：

m = np.isin(a, b)
a_components, _ = ndimage.measurements.label(m, np.ones((3, 3)))
bbox = ndimage.measurements.find_objects(a_components)
out = a[bbox[0]]
np.where(np.isin(out, b), out, np.nan)

array([[10., nan, 12.],
       [nan, 16., nan]])

---

我们还可以通过执行以下操作使上述内容适用于多个边界框：

b = np.array([5, 11, 8, 14])

m = np.isin(a, b)
a_components, _ = ndimage.measurements.label(m, np.ones((3, 3)))
bbox = ndimage.measurements.find_objects(a_components)

l = []
for box in bbox:
    out = a[box]
    l.append(np.where(np.isin(out, b), out, np.nan))

print(l)

[array([[ 5., nan],
        [nan, 11.]]), 
 array([[ 8., nan],
        [nan, 14.]])]

---

此100%NumPy解决方案适用于连续和非连续的通缉号码数组

a = np.array([[ 0,  1,  2,  3,  4],
              [ 5,  6,  7,  8,  9],
              [10, 11, 12, 13, 14],
              [15, 16, 17, 18, 19]])
n = np.array([6, 7, 11])

确定通缉号码的位置：

mask = np.isin(a, n)

np.where(mask, a, np.nan)\
       [mask.any(axis=1)][:, mask.any(axis=0)]
#array([[ 6.,  7.],
#       [11., nan]])

选择包含所需编号的行和列：

mask = np.isin(a, n)

np.where(mask, a, np.nan)\
       [mask.any(axis=1)][:, mask.any(axis=0)]
#array([[ 6.,  7.],
#       [11., nan]])

---

利用模板数组

A

的特定形式，我们可以直接将测试值转换为坐标：

A = np.arange(20).reshape(4,5)
test = [6,7,11]

y,x = np.unravel_index(test,A.shape)
yl,yr = y.min(),y.max()
xl,xr = x.min(),x.max()
out = np.full((yr-yl+1,xr-xl+1),np.nan)
out[y-yl,x-xl]=test
out
# array([[ 6.,  7.],
#        [11., nan]])

---

不适用于非连续选择（例如[6,7,11,19]）。不确定这是否重要，只是FYI。@ DYZ取决于你所考虑的块/块。但你是对的，这与OP的代码不完全相同。@DYZ为真，但不难纠正，我认为选择总是连续的吗？例如，[6,7,11,19]是否允许？以@DYZ为例，正确答案是否包含[8,13,18]列的一列NaN？@DYZ，yes not continuous canhappen@Paul，对于这种输入，结果将与输入相同，但将ie[8,13,18]转换为一列，这是DYZ代码给出的（也是您的）。我想我没有从DYZ的例子中得到任何反馈。谢谢大家抽出时间来研究这个问题。所有这些都是非常有趣的方法。DYZ复制了我的逻辑，其他的非常接近，应该适合大多数人，特别是非连续的情况。再次感谢！