在numpy 2D数组中查找与零相邻的非零元素的数量

Question

给定矩阵，我想计算与空（零）单元相邻的填充元素（非零单元）的数量，其中邻接沿着行（左/右）。

我尝试过使用np.roll和减去矩阵，但我不知道如何在没有循环的情况下编写代码。

例如，给定矩阵：

arr = 
[[1 1 0 0 0 0 0 0 1 0]
 [1 1 0 0 0 0 0 1 1 1]
 [0 1 1 0 0 0 0 0 0 0]
 [0 1 1 0 0 0 0 0 0 0]
 [0 1 1 0 0 0 0 0 0 0]
 [0 0 1 0 0 0 0 0 0 0]
 [0 0 1 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0]]

我们有12个与零相邻的非零元素。

Answer 1

方法＃1

我们可以使用2D convolution在zeros掩码上使用适当的内核([1,1,1])或([1,0,1])来解决它，并查找卷积求和>=1 ，它在在三个元素的每个滑动窗口中至少有一个零，并且当前元素的非零检查确认存在至少一个相邻的0 。

实现看起来像这样 -

In [245]: a  # input array
Out[245]: 
array([[1, 1, 0, 0, 0, 0, 0, 0, 1, 0],
       [1, 1, 0, 0, 0, 0, 0, 1, 1, 1],
       [0, 1, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 1, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 1, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]])

In [246]: from scipy.signal import convolve2d

In [248]: k = [[1,1,1]] # kernel for convolution

In [249]: ((convolve2d(a==0,k,'same')>=1) & (a!=0)).sum()
Out[249]: 12

方法＃2

另一种方法是使用slicing因为我们会在左右两侧LHS和RHS的零和非零匹配中寻找沿着每一行的一次性偏移元素，最后总结那些 -

maskRHS = (a[:,1:]==0) & (a[:,:-1]!=0)
maskLHS = (a[:,1:]!=0) & (a[:,:-1]==0)
maskRHS[:,1:] |= maskLHS[:,:-1]
out = maskRHS.sum() + maskLHS[:,-1].sum()

Answer 2

你应该能够做类似的事情

ar = a[:,1:] & ~a[:,:-1]
al = a[:,:-1] & ~a[:,1:]
al[:, 0].sum() + (al[:, 1:] | ar[:, :-1]).sum() + ar[:, -1].sum()  # 12

在这里，想法是ar跟踪0右边的那些1，而al跟踪0左边的那些1，然后我们注意不要重复计数。

如果您不介意使用转置，整个过程会变得更简洁：

b = a.T
br = b[1:] & ~b[:-1]
bl = b[:-1] & ~b[1:]
bl[0].sum() + (bl[1:] | br[:-1]).sum() + br[-1].sum()  # Also 12

一个可能更易读的版本，可以避免必须单独处理两个边缘，将b[1:]和b[:-1]用一列扩展：

edge = np.ones(9, int)
(b & ~(np.vstack([b[1:], edge]) & np.vstack([edge, b[:-1]]))).sum()  # Also 12