如何使用2x2數組在Python中采樣巨大的2D數組以創建字典？ （適用於Python的模板算法）

Question

我是編程的新手，如果這是一個經典而瑣碎的問題，我深表歉意。 我有一個100x100 2D值數組，可通過matplotlib繪制。 在此圖像中，每個單元格都有其值（范圍為0.0到1.0 ）和ID（范圍為0到9999從左上角開始）。 我想使用產生兩個字典的2x2移動窗口對矩陣進行采樣：

• 第一個字典：鍵代表4個單元格的交集； 該值表示具有4個相鄰單元格ID的元組（請參見下圖- 交集由“ N”表示 ）；
• 第二字典：鍵代表4個單元格的交集； 該值表示4個相鄰單元的平均值（請參見下圖）。

在下面的示例（ 左上圖 ）中，N的ID = 0，第一個字典將產生{'0': (0,1,100,101)}因為單元格的編號分別是：右側的0到99和0到9900 ，步進= 100，向下。 第二個字典將產生{'0': 0.775} ，因為0.775是N的四個相鄰單元的平均值。當然，這些字典必須具有與2D數組上的“交集”一樣多的鍵。

如何做到這一點？ 在這種情況下，詞典是最好的“工具”嗎？ 感謝大伙們！

PS：我嘗試了自己的方式，但是我的代碼不完整，錯誤，並且無法解決：

a=... #The 2D array which contains the cell values ranging 0.0 to 1.0
neigh=numpy.zeros(4)
mean_neigh=numpy.zeros(10000/4)
for k in range(len(neigh)):
    for i in a.shape[0]:
        for j in a.shape[1]:
            neigh[k]=a[i][j]
            ...

Answer 1

好吧，字典實際上可能就是您的情況。

您確定使用的numpy.array格式正確嗎？ 我在API中找不到任何array（（int，int））形式。 無論如何...

聲明2D數組后該怎么辦

為了使事情井井有條，讓我們做兩個可以與任何正方形2D數組一起使用的函數，返回您需要的兩個字典：

#this is the one that returns the first dictionary
def dictionarize1(array):
    dict1 = {}
    count = 0
    for x in range(len(array[0]) - 1) :
        for y in range(len(array[0]) - 1):
            dict1[count] = [array[x][y], array[x][y+1], array[x+1][y], array[x + 1][y+1]]
            count = count + 1
    return dict1

def dictionarize2(array):
    dict2 = {}
    counter = 0
    for a in range(len(array[0]) - 1) :
        for b in range(len(array[0]) - 1):
            dict2[counter] = (array[a][b] + array[a][b+1] + array[a+1][b] + array[a + 1][b+1])/4
            counter = counter + 1
    return dict2

#here's a little trial code to see them working

eighties = [[2.0, 2.2, 2.6, 5.7, 4.7], [2.1, 2.3, 2.3, 5.8, 1.6], [2.0, 2.2, 2.6, 5.7, 4.7],[2.0, 2.2, 2.6, 5.7, 4.7],[2.0, 2.2, 2.6, 5.7, 4.7]]
print("Dictionarize1: \n")
print(dictionarize1(eighties))
print("\n\n")
print("Dictionarize2: \n")
print(dictionarize2(eighties))
print("\n\n")

與第一個代碼相比，我更喜歡使用整數作為鍵，因為python將打印在這種情況下排序的字典（字典按定義是未排序的，但是如果它們具有int鍵，Python將按鍵將其打印出來）。 但是，您可以像以前一樣使用str（count）將其更改回字符串。

我希望這會有所幫助，因為我現在對數學庫不是很實用，但是我編寫的代碼應該可以與您要輸入的任何2D方陣一起很好地工作！

Answer 2

假設data是原始的numpy.array ，行和列的維度為dr和dc 。

dr = data.shape[0]
dc = data.shape[1]

您可以將Keys成為一個函數，該函數返回感興趣的索引和Values作為具有4個相鄰像元的計算平均值的列表。 在這種情況下， Keys等於：

def Keys(x):
    xmod = x + (x+1)/dc  # dc is in scope
    return [xmod, xmod + 1, xmod + dc, xmod + 1 + dc]

因為不包括最后一行和最后一列，所以“ Values ”的維等於dr-1 * dc-1 。 我們可以將其計算為移動平均值，然后再調整為1D （來自link的啟發）：

Values = ((d[:-1,:-1] + d[1:,:-1] + d[:-1,1:] + d[1:,1:])/4).reshape((dr-1)*(dc-1))

例：

dr = 3
dc = 5

In: np.array(range(dc*dr)).reshape((dr, dc))  # data
Out: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

In: [Keys(x) for x in range((dr-1)*(dc-1))]
Out: 
    [[0, 1, 5, 6],
     [1, 2, 6, 7],
     [2, 3, 7, 8],
     [3, 4, 8, 9],
     [5, 6, 10, 11],
     [6, 7, 11, 12],
     [7, 8, 12, 13],
     [8, 9, 13, 14]]

In: Values
Out: array([ 3,  4,  5,  6,  8,  9, 10, 11])