scipy.ndimage.
value_indices#
- scipy.ndimage.value_indices(arr, *, ignore_value=None)[源代码]#
查找给定数组中每个不同值的索引。
- 参数:
- arr整数ndarray
包含整数值的数组。
- ignore_value整数,可选
在搜索 arr 数组时将忽略此值。如果未给出,则所有找到的值都将包含在输出中。默认为 None。
- 返回:
- indices字典
一个 Python 字典,包含每个不同值的数组索引。字典以不同的值为键,条目是覆盖数组中所有值出现位置的数组索引元组。
此字典可能占用大量内存,通常是输入数组大小的数倍。
另请参见
备注
对于具有少量不同值的小数组,可以使用 numpy.unique() 查找所有可能的值,并使用
(arr == val)
定位数组中的每个值。然而,对于具有许多不同值的大数组,这会变得非常低效,因为定位每个值都需要对整个数组进行新的搜索。使用此函数,基本上只有一次搜索,所有不同值的索引都会被保存。这在将分类图像(例如分割或分类)与相关联的其他数据图像进行匹配时非常有用,从而可以计算任何每类别统计量。它提供了
scipy.ndimage.mean()
和scipy.ndimage.variance()
等函数的更灵活替代方案。其他一些密切相关但具有不同优缺点的功能,也可以在
scipy.stats.binned_statistic()
和 scikit-image 函数skimage.measure.regionprops()
中找到。IDL 用户请注意:此功能等同于 IDL 的 REVERSE_INDICES 选项(根据 IDL HISTOGRAM 函数的文档)。
在版本 1.10.0 中添加。
示例
>>> import numpy as np >>> from scipy import ndimage >>> a = np.zeros((6, 6), dtype=int) >>> a[2:4, 2:4] = 1 >>> a[4, 4] = 1 >>> a[:2, :3] = 2 >>> a[0, 5] = 3 >>> a array([[2, 2, 2, 0, 0, 3], [2, 2, 2, 0, 0, 0], [0, 0, 1, 1, 0, 0], [0, 0, 1, 1, 0, 0], [0, 0, 0, 0, 1, 0], [0, 0, 0, 0, 0, 0]]) >>> val_indices = ndimage.value_indices(a)
字典 val_indices 将为输入数组中的每个不同值创建一个条目。
>>> val_indices.keys() dict_keys([np.int64(0), np.int64(1), np.int64(2), np.int64(3)])
每个值的条目是一个索引元组,用于定位具有该值的元素。
>>> ndx1 = val_indices[1] >>> ndx1 (array([2, 2, 3, 3, 4]), array([2, 3, 2, 3, 4]))
这可用于索引原始数组,或任何具有相同形状的其他数组。
>>> a[ndx1] array([1, 1, 1, 1, 1])
如果忽略零,则结果字典将不再包含零的条目。
>>> val_indices = ndimage.value_indices(a, ignore_value=0) >>> val_indices.keys() dict_keys([np.int64(1), np.int64(2), np.int64(3)])