scipy.ndimage.

minimum_position#

scipy.ndimage.minimum_position(input, labels=None, index=None)[source]#

查找数组中标签对应值的最小值位置。

参数:

inputarray_like

值数组。

labelsarray_like, 可选

一个整数数组，标记不同的区域，在这些区域上计算input的最小值位置。 labels 必须与input具有相同的形状。如果未指定labels，则返回整个数组中第一个最小值的位置。

只有在指定index时，labels 参数才起作用。

indexarray_like, 可选

要考虑的区域标签列表，用于查找最小值的位置。如果index 为 None，则返回labels 非零的所有元素中的第一个最小值。

只有在指定labels时，index 参数才起作用。

返回值:

output整数元组列表

整数元组或整数元组列表，指定在由labels 确定的区域内（其索引位于index 中）的input 最小值的位置。

如果未指定index 或labels，则返回一个整数元组，指定input 的第一个最小值的位置。

参见

label, minimum, median, maximum_position, extrema, sum, mean, variance
standard_deviation

示例

>>> import numpy as np
>>> a = np.array([[10, 20, 30],
...               [40, 80, 100],
...               [1, 100, 200]])
>>> b = np.array([[1, 2, 0, 1],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])

>>> from scipy import ndimage

>>> ndimage.minimum_position(a)
(2, 0)
>>> ndimage.minimum_position(b)
(0, 2)

可以使用labels 和index 来指定要处理的功能

>>> label, pos = ndimage.label(a)
>>> ndimage.minimum_position(a, label, index=np.arange(1, pos+1))
[(2, 0)]

>>> label, pos = ndimage.label(b)
>>> ndimage.minimum_position(b, label, index=np.arange(1, pos+1))
[(0, 0), (0, 3), (3, 1)]