Python 三维数组与numpy分类的比较

我正在尝试对numpy数组进行一些基本分类。。。 我想比较二维数组和三维数组，沿三维方向，并根据相应的z轴值进行分类

因此，给定3个堆叠成3d阵列的阵列：

import numpy as np
a1 = np.array([[1,1,1],[1,1,1],[1,1,1]])
a2 = np.array([[3,3,3],[3,3,3],[3,3,3]])
a3 = np.array([[5,5,5],[5,5,5],[5,5,5]])
a3d = dstack((a1,a2,a3))

和另一个二维阵列

a2d = np.array([[1,2,4],[5,5,2],[2,3,3]])

我希望能够比较a2d和a3d，并返回最接近a3d级别的2d数组。（或者我假设任何自定义函数都可以沿z轴比较每个值，并基于该比较返回一个值。）

编辑

---

我修改了我的数组以更紧密地匹配我的数据。a1为最小值，a2为平均值，a3为最大值。所以我想输出每个a2d值是否更接近a1（分类为“1”）a2（分类为“2”）或a3（分类为“3”）。我把它作为一个3d阵列，因为在真实数据中，它不是一个简单的3阵列选择，但出于这样的目的，它有助于保持它的简单。我们可以假设在平局的情况下，我们将取较低的，因此2将被归类为“1级”，4将被归类为“2级”。

您可以使用以下列表：

>>> [sum(sum(abs(i-j)) for i,j in z) for z in [zip(i,a2d) for i in a3d]]
[30.0, 22.5, 30.0]

在前面的代码中，我使用

zip

创建了以下列表，即3d列表中每个子数组的zip，然后您只需计算这些对的减法元素之和，然后再次求和：

>>> [zip(i,a2d) for i in a3d]
[[(array([ 1.,  3.,  1.]), array([1, 2, 1])), (array([ 2.,  2.,  1.]), array([5, 5, 4])), (array([ 3.,  1.,  1.]), array([9, 8, 8]))], [(array([ 4.,  6.,  4.]), array([1, 2, 1])), (array([ 5. ,  6.5,  4. ]), array([5, 5, 4])), (array([ 6.,  4.,  4.]), array([9, 8, 8]))], [(array([ 7.,  9.,  7.]), array([1, 2, 1])), (array([ 8.,  8.,  7.]), array([5, 5, 4])), (array([ 9.,  7.,  7.]), array([9, 8, 8]))]]

然后，对于所有子阵列，您将有以下列表：

[30.0, 22.5, 30.0]

对于每个子列表，显示2d数组的差异级别！然后您可以从

a3d

中获得相对子数组，如下所示：

>>> a3d[l.index(min(l))]
array([[ 4. ,  6. ,  4. ],
       [ 5. ,  6.5,  4. ],
       [ 6. ,  4. ,  4. ]])

您还可以将其放入函数中：

>>> def find_nearest(sub,main):
...     l=[sum(sum(abs(i-j)) for i,j in z) for z in [zip(i,sub) for i in main]]
...     return main[l.index(min(l))]
... 
>>> find_nearest(a2d,a3d)
array([[ 4. ,  6. ,  4. ],
       [ 5. ,  6.5,  4. ],
       [ 6. ,  4. ,  4. ]])

---

您可以考虑使用一种不同的方法，使您可以有效地将Python函数应用到数组的每个元素。p> 在这种情况下，python函数可以使用定义的任何中断对每个像素进行分类：

import numpy as np

a2d = np.array([[1,2,4],[5,5,2],[2,3,3]])
def classify(x):
    if x >= 4:
        return 3
    elif x >= 2:
        return 2
    elif x > 0:
        return 1
    else:
        return 0

vclassify = np.vectorize(classify)
result = vclassify(a2d)

---

多亏了@perrygeo和@Kasra-他们让我朝着一个好的方向思考。 因为我想要最接近的3d数组的z值的分类，所以我不能做简单的数学运算——我需要最接近的值的（z）索引

我通过列举2d数组的两个轴，并与3d数组的相应（z）索引进行接近度比较来实现这一点

也许有一种方法可以在不迭代2d数组的情况下实现这一点，但至少我避免了迭代3d数组

import numpy as np
a1 = np.array([[1,1,1],[1,1,1],[1,1,1]])
a2 = np.array([[3,3,3],[3,3,3],[3,3,3]])
a3 = np.array([[5,5,5],[5,5,5],[5,5,5]])
a3d = np.dstack((a1,a2,a3))

a2d = np.array([[1,2,4],[5,5,2],[2,3,3]])

classOut = np.empty_like(a2d)

def find_nearest_idx(array,value):
    idx = (np.abs(array-value)).argmin()
    return idx

# enumerate to get indices
for i,a in enumerate(a2d):
    for ii,v in enumerate(a):
        valStack = a3d[i,ii]
        nearest = find_nearest_idx(valStack,v)
        classOut[i,ii] = nearest

print classOut

这让我很生气

[[0 0 1]
 [2 2 0]
 [0 1 1]]

---

这告诉我（例如）a2d[0,0]最接近a3d[0,0]的0指数，在我的例子中，这意味着它最接近该2d位置的最小值。a2d[1,1]最接近2-指数，在我的例子中，这意味着更接近该2d位置的最大值。

我喜欢这种方法。我正在为每个单独的值寻找分类，但这很酷@abenrob你可以把它放在函数中@abenrob签出编辑！而且，如果你觉得这个答案很有帮助，你可以通过投票和接受答案来告诉社区；）我没有得到我所期望的结果，所以我稍后会更深入地挖掘，然后我会回复你。当你比较二维和三维时，你如何定义“最近的”？对于一个给定的函数f（a2d，a23d），你期望的回报是什么？@perrygeo-在一个特定的例子中，我将拥有多年的NDVI数据。我将运行累积最小、最大和平均光栅，它们表示像素级度量。我需要能够将任何单个NDVI与这些累积指标进行比较，并将每个像素分类为更接近最小值、最大值或平均值。因此，数字接近三个指标中的每一个，最接近的一个定义分类。在死分割的情况下，我可能会使用平均值，但这将非常罕见，因此不会真正扭曲结果。这对于基于数组本身中的值进行分类很好，但我不知道如何使用它与其他3d数组中的值进行比较……基于示例，我假设，

a1

表示一个在空间上没有变化的全局最小统计值，可以更有效地表示为标量值。如果这些随空间变化，我的答案根本不起作用。但它可以解决标准的“分类”问题。是的，坏的伪造数据没有帮助，不是吗！