2D網格的Python數據結構建議

Question

我希望在Python中實現一個蟻群優化算法，雖然它是Python和面向對象編程的新手，所以學習曲線相當陡峭。 在這一點上，我被困在如何解決以下情況：

• 當螞蟻在2D網格中走動時，它們會遇到障礙物，其他螞蟻的信息素沉積物，食物等。我用什么數據結構來表示這個2D世界以及每個細胞的上述屬性？

我曾嘗試過2D數組，認為array[x-coord][y-coord]可以指向具有適當屬性的{} (dictionary) (Obstacle: 'Yes / 'No', Pheromone Level: X %, etc.) 不幸的是，盡管NumPy允許我創建一個2D數組，但我無法將字典對象分配給各種坐標。

from numpy import *

myArray = array([[1,2,3,4],
                 [5,6,7,8],
                 [9,10,11,12]])

myArray[2][2]={}

返回：

Traceback (most recent call last):
  File "/Users/amormachine/Desktop/PythonTest.py", line 7, in <module>
    myArray[2][2]={}
TypeError: long() argument must be a string or a number, not 'dict'
[Finished in 0.6s with exit code 1]

我不是致力於字典或這個實施這個項目的范例，並且肯定會欣賞該集團的智慧。

Answer 1

確定你可以，你只是不知道你的dtype是否為int ...所以使用對象制作你的數組，你可以使用對象......

In [43]: a = [[{},{},{}],[{},{},{}]]

In [44]: a = numpy.array(a)

In [45]: a[1][1] = {'hello':'world','something':5}

In [46]: a
Out[46]:
array([[{}, {}, {}],
       [{}, {'hello': 'world', 'something': 5}, {}]], dtype=object)

雖然不確定whay你會使用numpy與對象，你可能最好把它留作列表列表

Answer 2

在普通的Python中，我會選擇list-of-dicts方法，但是對於NumPy，我發現使用不同屬性的單獨數組更自然，而不是試圖將事物保存在一個結構中。

import numpy as np

grid_shape = (120,80)

# example of random initialization with this grid shape
pheremone_level = np.random.rand(*grid_shape)
obstacle = np.random.rand(*grid_shape) > 0.8

正如@bitwise所說，它完全取決於你想要執行的操作。 通常，NumPy中的“正確”方式將更接近於在Matlab中編寫它而不是非NumPy Python。 不幸的是我不熟悉Ant Colony Optimization的工作方式，所以我不能說什么更合適。

Answer 3

我正在尋找與結構化2D網格相關的東西，谷歌引導我到這個頁面。

雖然我的解決方案並不完全與問題中提到的網格相關，但我不想重復“結構化二維網格”數據結構的問題，我在這里發布我的解決方案。 我希望它對搜索2D結構化網格並在搜索引擎中重定向的觀眾有用

注意：該方法僅返回單元格頂點和每個單元格的頂點連接。 通過添加其他例程，可以輕松生成應用程序所需的其他數量，如單元體積，單元質心，外接圓，外圓等

import numpy as np
import matplotlib.pyplot as plt

def create_structured_grid(corner1=None, corner2=None, nx=5, ny=5, plt_=True, annotate=True):
   """
   creates a structured grid of rectangular lattice

   input:
   ------
       corner1 : [x_start, y_start]
       corner2 : [x_end, y_end]
       nx      : numpts in x
       ny      : numpts in y
       plt_    : boolean whether to plot or not
       annotate: whether to annotate the grid points or not
   output:
   -------
       vertex_array : numpy.array((numpts, dim),dtype=float) of vertices
       connectivity : numpy.array((num_cells, 2**dim), dtyp=int) of
                   vertex connectivity for each cell
       plots   : additionally plots if boolean values are true
   """
   #corner1 = np.array([0.0, 0.0])
   #corner2 = np.array([1.0, 1.0])
   dim = len(corner1) #currently only for 2D,
   x_pts = np.linspace(corner1[0], corner2[0], nx)
   y_pts = np.linspace(corner1[1], corner2[1], ny)

   Xv, Yv = np.meshgrid(x_pts, y_pts)
   numpts = nx*ny
   vertex_array = np.zeros((numpts, 2), dtype=float)

   vertex_array[:,0] = np.reshape(Xv, numpts)
   vertex_array[:,1] = np.reshape(Yv, numpts)

   num_cells = int(nx-1)*(ny-1)
   connectivity = np.zeros((num_cells, int(2**dim)), dtype=int)

   rows = ny-1
   cols = nx-1
   for row in range(rows):
       for col in range(cols):
           num = nx*row + col
           connectivity[cols*row + col] = [num+0, num+1, num+nx, num+nx+1]

   if plt_:
       X,Y = vertex_array.T
       fig = plt.figure()
       ax = fig.add_subplot(111)
       ax.set_aspect('equal')
       plt.scatter(X,Y, marker='o', s=50, color='g', alpha=1.0)
       plt.plot(Xv,Yv, linewidth=2, color='k')
       plt.plot(Yv,Xv, linewidth=2, color='k')
       if annotate:
           for idx, cc in enumerate(vertex_array):
               plt.text(cc[0], cc[1],  str(idx), color='k', verticalalignment='bottom', horizontalalignment='right', fontsize='medium')
       plt.show(block=False)

   return vertex_array, connectivity

對函數的調用可以是這樣的：

c1 = np.array([0.0, 0.0])
c2 = np.array([1.0, 1.0])
vertices, connctivity = create_structured_grid(corner1=c1, corner2=c2, nx=4, ny=4)

vertices = array([[ 0.        ,  0.        ],
                  [ 0.33333333,  0.        ],
                  [ 0.66666667,  0.        ],
                  [ 1.        ,  0.        ],
                  [ 0.        ,  0.33333333],
                  [ 0.33333333,  0.33333333],
                  [ 0.66666667,  0.33333333],
                  [ 1.        ,  0.33333333],
                  [ 0.        ,  0.66666667],
                  [ 0.33333333,  0.66666667],
                  [ 0.66666667,  0.66666667],
                  [ 1.        ,  0.66666667],
                  [ 0.        ,  1.        ],
                  [ 0.33333333,  1.        ],
                  [ 0.66666667,  1.        ],
                  [ 1.        ,  1.        ]])
connectivity = array([[ 0,  1,  5,  6],
                      [ 1,  2,  6,  7],
                      [ 2,  3,  7,  8],
                      [ 4,  5,  9, 10],
                      [ 5,  6, 10, 11],
                      [ 6,  7, 11, 12],
                      [ 8,  9, 13, 14],
                      [ 9, 10, 14, 15],
                      [10, 11, 15, 16]])