khắc mảng 2D numpy theo chỉ mục

Question

Làm thế nào để tôi "khắc" hoặc che dấu một mảng có khối lượng 2D theo công thức chỉ mục? Tôi không quan tâm giá trị của phần tử là gì, chỉ có vị trí của nó trong mảng.

Ví dụ, đưa ra một mảng mxm, làm thế nào để trích xuất tất cả các yếu tố có địa chỉ phù hợp với

for i in range(0,m): 
    for j in range(0,m): 
     if j-i-k>=0: 
      A[i,j] = 1 
     elif j-p-k>=0: 
      A[i,j] = 1 
     elif i-k>=0: 
      A[i,j] = 1 
     else: 
      A[i,j] = 0 
     j=j+1 
    i=i+1 

nơi

k và p là một hàng rào tùy ý

Giả

k<m 
p<m 

Điều này kết thúc trông giống như một lát chéo + một lát ngang + a lát dọc. Nó có thể được thực hiện mà không có các vòng trên không?

Answer 1

xdim,ydim = data.shape 
k = 2 
a, b = np.meshgrid(range(ydim),range(xdim)) 
mask = (b - a -k) < 0 

new_data = data[mask] 

new_data2 = np.array(data) # to force a copy 
new_data2[~mask] = 0 

new_data là một vector vì các quá trình mặt nạ (thực hiện theo cách này) flattens mảng. Bạn đang chọn một hình dạng với một rách rưới không thể được biểu diễn như một mảng. Nếu bạn chỉ muốn đặt giá trị không được chọn thành 0, hãy sử dụng new_data2.

Answer 2

In [1]: import numpy as np 

In [2]: k = 2 

In [3]: i, j = np.ogrid[0:5,0:5] 

In [4]: mask = (j-i-k < 0) 

In [5]: mask 
Out[5]: 
array([[ True, True, False, False, False], 
     [ True, True, True, False, False], 
     [ True, True, True, True, False], 
     [ True, True, True, True, True], 
     [ True, True, True, True, True]], dtype=bool) 

In [6]: mask.shape 
Out[6]: (5, 5) 

In [7]: mask.dtype 
Out[7]: dtype('bool') 

Answer 3

Dưới đây là một cách khác sử dụng np.indices:

>>> import numpy as np 
>>> a = np.arange(90).reshape(10,9) 
>>> b = np.indices(a.shape) 
>>> k = 2 
>>> i = b[1] - b[0] - k 
>>> a[i < 0] 
array([ 0, 1, 9, 10, 11, 18, 19, 20, 21, 27, 28, 29, 30, 31, 36, 37, 38, 
    39, 40, 41, 45, 46, 47, 48, 49, 50, 51, 54, 55, 56, 57, 58, 59, 60, 
    61, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 
    79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89])