在二维数组中找到最接近的非零元素和相应的索引
问题描述:
假设我有一个名为array
的二维数组和一个2d索引:(x,y)
,我想获取最近的非零元素到(x,y)
,并获取元素的相应索引在np.nonzero(array)
在二维数组中找到最接近的非零元素和相应的索引
答
方法1:这里有一个方法 -
def nearest_nonzero_idx(a,x,y):
idx = np.argwhere(a)
# If (x,y) itself is also non-zero, we want to avoid those, so delete that
# But, if we are sure that (x,y) won't be non-zero, skip the next step
idx = idx[~(idx == [x,y]).all(1)]
return idx[((idx - [x,y])**2).sum(1).argmin()]
采样运行 -
In [64]: a
Out[64]:
array([[0, 0, 1, 1, 0, 1, 1],
[0, 0, 1, 0, 0, 0, 1],
[1, 1, 0, 0, 0, 0, 0],
[0, 1, 1, 0, 0, 0, 0],
[0, 1, 0, 0, 0, 0, 0],
[1, 1, 0, 0, 1, 1, 0],
[0, 1, 0, 0, 1, 0, 1],
[1, 0, 0, 1, 1, 1, 0]])
In [65]: x,y =(3,5)
In [66]: nearest_nonzero(a,x,y)
Out[66]: array([5, 5])
方法2:这里的重点是性能的另一种方法是避免了由点暂时设定为0
,让那些非零跳过从非零指数的阵列(x,y)
点以前的方法的第二个步骤索引,然后将原始值放入其中。此外,我们可以使用np.nonzero
来存储row, col
指数,然后使用这些指标执行距离计算。
因此,实现起来 -
def nearest_nonzero_idx_v2(a,x,y):
tmp = a[x,y]
a[x,y] = 0
r,c = np.nonzero(a)
a[x,y] = tmp
min_idx = ((r - x)**2 + (c - y)**2).argmin()
return r[min_idx], c[min_idx]
运行测试
In [110]: a
Out[110]:
array([[3, 2, 3, 3, 0, 2, 4, 2, 1],
[0, 3, 4, 3, 4, 3, 3, 2, 0],
[1, 3, 0, 0, 0, 0, 0, 0, 0],
[0, 1, 2, 0, 0, 2, 0, 0, 2],
[3, 0, 0, 0, 0, 0, 0, 0, 1],
[0, 0, 2, 2, 4, 4, 3, 4, 3],
[2, 2, 2, 1, 0, 0, 1, 1, 1],
[3, 4, 3, 1, 0, 4, 0, 4, 2]])
In [111]: x,y =(3,5)
In [112]: nearest_nonzero_idx(a,x,y)
Out[112]: array([1, 5])
In [113]: nearest_nonzero_idx_v2(a,x,y)
Out[113]: (1, 5)
In [114]: %timeit nearest_nonzero_idx(a,x,y)
10000 loops, best of 3: 23.1 µs per loop
In [115]: %timeit nearest_nonzero_idx_v2(a,x,y)
100000 loops, best of 3: 4.85 µs per loop
为你所做的发布解决方案的工作? – Divakar