Python 如何将scikit图像轮廓存储在具有单个顶点和每行轮廓编号的数据帧中

我使用的是一个修改版本的，从图像分水岭分割产生的边缘创建轮廓。在这个结果中，每个级别只有一个由行-列索引对组成的轮廓

在演示中很容易显示轮廓。但是我想做的是使用

enumerate

循环将每个轮廓的每个顶点附加到一个数据帧，分离行和列索引，然后在一个单独的列中添加一个级别/轮廓索引

为了说明这一点，我将从一个小玩具示例开始，其中每个轮廓只有一个索引。使用此代码：

np.random.seed(131)
test = np.random.randint(50, size=5)
n_list = []
t_list = []
for n, t in enumerate(test):
    n_list.append(n)
    t_list.append(t)
contours_df = pd.DataFrame({'contour': n_list, 'contour': t_list})
contours_df 

我得到这个数据帧：

更具代表性的例子如下：

np.random.seed(131)
test1 = np.random.randint(50, size=(5, 2,  2))
n_list1 = []
t_list1 = []
for n1, t1 in enumerate(test1):
    n_list1.append(n1)
    t_list1.append(t1)
contours_df1 = pd.DataFrame({'contour': n_list1, 'points': t_list1})
contours_df1

# using XlsxWriter documentation example
writer = pd.ExcelWriter('contours_df1.xlsx', engine='xlsxwriter')
contours_df1.to_excel(writer, sheet_name='Sheet1')
writer.save()

这给了我这个数据帧：

我可以使用

XlsxWriter

将其导出到Excel文件，如下所示：

np.random.seed(131)
test1 = np.random.randint(50, size=(5, 2,  2))
n_list1 = []
t_list1 = []
for n1, t1 in enumerate(test1):
    n_list1.append(n1)
    t_list1.append(t1)
contours_df1 = pd.DataFrame({'contour': n_list1, 'points': t_list1})
contours_df1

# using XlsxWriter documentation example
writer = pd.ExcelWriter('contours_df1.xlsx', engine='xlsxwriter')
contours_df1.to_excel(writer, sheet_name='Sheet1')
writer.save()

要获得此信息：

但我真正想要的是分割轮廓，以便得到类似这样的最终Excel输出：

---

你几乎达到了目标，你只需要玩一玩：

该方法按预期工作。当我们枚举一个iterable python对象时，我们得到对象元素之间的

1-1

关联和一个“指针”，范围从

0

到

len（iterable\u对象）-1

请从文档中查看此示例：

现在，实现您在这里向我们展示的内容的一种方法是使用从

枚举

生成的指针2次，并相应地分割每个

测试

元素的内容：

np.random.seed(131)
test1 = np.random.randint(50, size=(5, 2,  2))
contour_lst = []
row_lst = []
column_lst = []
for n, t_elem in enumerate(test1):
    # First square coordinates for this contour.
    contour_lst.append(n)
    row_lst.append(t_elem[0][0])
    column_lst.append(t_elem[0][1])
    # Second square coordinates for this contour.
    contour_lst.append(n)
    row_lst.append(t_elem[1][0])
    column_lst.append(t_elem[1][1])

contours_df1 = pd.DataFrame({
    'contour': contour_lst, 
    'row': row_lst,
    'column': column_lst,
})

---

我会使用熊猫连接。对于大小合理的数据，是否为每列建立一个列表（尽管需要第二个嵌套循环以允许任意大小的等高线）是一个品味问题。对于较大的数据，我认为这种方法应该更快，因为它尽可能使用NumPy/pandas矢量化

下面是一个例子：

import numpy as np
import pandas as pd

contours = [np.random.random((i, 2)
            for i in np.random.randint(3, 10, size=5)]

dataframes = []
for contour_id, contour in enumerate(contours):
    current_dataframe = pd.DataFrame(contour, columns=['row', 'column'])
    current_dataframe['contour'] = contour_id
    dataframes.append(current_dataframe)
contours_data = pd.concat(dataframes)

contours_data.to_excel('filename.xlsx', sheet_name='Sheet1')

---

旁注：如果你只写一张纸，你不需要创建一个ExcelWriter。

+1获得一个好的答案，并在

枚举

上增加额外的位。我真的可以选择目前为止收到的任何一个问题。我之所以选择Juan的，是因为它直接作用于任意大小的轮廓（大多数情况下），即使我的问题中没有具体说明，如示例所示。