Python 在numpy数组中查找与给定值最接近的值的索引。仅限于外部索引
我有一个称为方向的数组,如下所示:Python 在numpy数组中查找与给定值最接近的值的索引。仅限于外部索引,python,numpy,Python,Numpy,我有一个称为方向的数组,如下所示: [[ 315. 326.31 341.57 0. 18.43 33.69 45. ] [ 303.69 315. 333.43 0. 26.57 45. 56.31] [ 288.43 296.57 315. 0. 45. 63.43 71.57] [ 270. 270. 270. 0. 90. 90. 90. ]
[[ 315. 326.31 341.57 0. 18.43 33.69 45. ]
[ 303.69 315. 333.43 0. 26.57 45. 56.31]
[ 288.43 296.57 315. 0. 45. 63.43 71.57]
[ 270. 270. 270. 0. 90. 90. 90. ]
[ 251.57 243.43 225. 180. 135. 116.57 108.43]
[ 236.31 225. 206.57 180. 153.43 135. 123.69]
[ 225. 213.69 198.43 180. 161.57 146.31 135. ]]
我想搜索数组并找到与给定值(例如45)最近的值的索引。这就是我目前所做的:
x = np.abs(directions-45)
idx = np.where(x == x.min())
这是可行的,因为它返回所有符合此条件的索引。但是,我想将返回的索引限制为仅位于数组外部边缘的索引,即顶部行和底部行以及最右侧列和最左侧列。如果一个数字更接近不在外边缘的给定值,那么我想扩展搜索,直到在外边缘找到最近的数字
谢谢 您可以添加该行
x[1:-1, 1:-1] = x.max()+1
在查找idx
之前,请使用高于任何边值的值覆盖中心的值
x = np.abs(directions-45)
x[1:-1, 1:-1] = x.max()+1
idx = np.where(x == x.min())
idx
Out[25]: (array([0], dtype=int64), array([6], dtype=int64))
我们可以假设一个方形数组吗?
“如果一个数字更接近给定值,而该值不在外边缘”
-closer是一个相对术语,对其接近度没有任何公差,您怎么知道?例如,假设directions[0,-1]
是90
,即不是45
,那么我们如何判断是否在外缘找到了匹配项?