scipy.ndimage.

minimum_position#

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

查找数组在标签处值的最小值的位置。

参数:

inputarray_like

值的类数组。

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 的形状必须与 input 相同。如果未指定 labels，则返回整个数组的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

一个区域标签列表，用于查找最小值的位置。如果 index 为 None，则返回 labels 非零的所有元素上的 first 最小值。

只有在指定 labels 时，index 参数才起作用。

返回:

output整数元组列表

整数元组或整数元组列表，指定由 labels 确定的区域上，且其索引在 index 中的 input 的最小值的位置。

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。

另请参阅

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 指定要处理的特征

>>> 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)]