在2D numpy矩陣中找到特定點距離1內的所有點

Question

我想找到一個在我的numpy矩陣中一個點的范圍1（或完全對角線）范圍內的點列表 ：

比如說我的矩陣m是：

[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 1 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]] 

我想獲得一個元組列表或代表9點的所有坐標的元素，下面是X：

[[0 0 0 0 0]
 [0 X X X 0]
 [0 X X X 0]
 [0 X X X 0]
 [0 0 0 0 0]]

以下是邊緣上目標點的另一個示例：

[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 1]
 [0 0 0 0 0]
 [0 0 0 0 0]] 

在這種情況下，目標點的距離1內只有6個點：

[[0 0 0 0 0]
 [0 0 0 X X]
 [0 0 0 X X]
 [0 0 0 X X]
 [0 0 0 0 0]] 

---

編輯：

使用David Herrings在這里回答/評論chebyshev距離是我嘗試解決上面的例子2，假設我知道目標點的坐標：

from scipy.spatial import distance

point = [2, 4]
valid_points = []
for x in range(5):
  for y in range(5):
    if(distance.chebyshev(point, [x,y]) <= 1):
      valid_points.append([x,y])

print(valid_points) # [[1, 3], [1, 4], [2, 3], [2, 4], [3, 3], [3, 4]]

對於更大的陣列來說，這似乎有點低效，因為我只需要檢查一小部分單元格，而不是整個martix。

Answer 1

這里沒有感興趣的算法。 如果您還不知道 1的位置，首先您必須找到它，並且您不能比搜索每個元素做得更好。 （ 可以由具有得到一個恆定因數加速numpy用做本中C速度argmax ;使用divmod 。在扁平的索引行和列分開）之后，你做的是添加±1（或0）的坐標，除非它將帶你超出數組范圍。 你永遠不會構造坐標只是為了以后丟棄它們。

Answer 2

我認為你讓它變得有點復雜 - 不需要依賴復雜的功能

import numpy as np

# set up matrix
x = np.zeros((5,5))
# add a single point
x[2,-1] = 1 

# get coordinates of point as array
r, c = np.where(x)
# convert to python scalars
r = r[0]
c = c[0]
# get boundaries of array
m, n = x.shape

coords = []
# loop over possible locations
for i in [-1, 0, 1]: 
    for j in [-1, 0, 1]: 
        # check if location is within boundary
        if 0 <= r + i < m and 0 <= c + j < n:
            coords.append((r + i, c + j)) 

print(coords)

>>> [(1, 3), (1, 4), (2, 3), (2, 4), (3, 3), (3, 4)]

Answer 3

一種簡單的方法是使用笛卡爾積來獲得所有可能的坐標

設置數據：

x = np.array([[0,0,0], [0,1,0], [0,0,0]])
x
array([[0, 0, 0],
       [0, 1, 0],
       [0, 0, 0]])

您知道坐標將是您所在位置的+/- 1：

loc = np.argwhere(x == 1)[0]  # unless already known or pre-specified
v = [loc[0], loc[0]-1, loc[0]+1]
h = [loc[1], loc[1]-1, loc[1]+1]

output = []
for i in itertools.product(v, h):
    if not np.any(np.array(i) >= x.shape[0]) and not np.any(np.array(i) < 0): output.append(i)

print(output)
[(1, 1), (1, 0), (1, 2), (0, 1), (0, 0), (0, 2), (2, 1), (2, 0), (2, 2)]