Эй, я пытаюсь создать двумерный массив, состоящий из 1 и 0, где 1 образуют ромбовидную форму. Алмаз должен быть размера x:
Форма ромба размером x = 3 будет выглядеть так:
[[0 0 1 0 0]
[0 1 0 1 0]
[1 0 0 0 1]
[0 1 0 1 0]
[0 0 1 0 0]]
Форма ромба размером x = 1 будет выглядеть так:
[[1]]
У кого-нибудь есть идея, как это реализовать? Я подумал, что numpy.eye
и concatenate
могут быть полезны. Тем не менее, я не мог найти решение
Нет, я проверял это раньше. Это не
Проверьте 2-й ответ, если вы замените треугольную матрицу на глазную матрицу, вы должны получить свой ответ.
Если вы хотите использовать numpy.eye, это работает. Хотя это немного сложно.
dim = 8
A = np.maximum(np.maximum(np.maximum(np.eye(dim, k=-(dim//2)), np.eye(dim, k=(dim//2))), np.fliplr(np.eye(dim, k=(dim//2)))), np.fliplr(np.eye(dim, k=-(dim//2))))
Я бы использовал numpy.diagflat
в сочетании с numpy.flip
следующим образом:
import numpy as np
arr = np.diagflat([1,1,1],2) # now we have 1s in upper-right part
arr = np.maximum(arr,np.flip(arr,1)) # now we have 1s in upper part
arr = np.maximum(arr,np.flip(arr,0)) # now we have 1s everywhere
print(arr)
выход:
[[0 0 1 0 0]
[0 1 0 1 0]
[1 0 0 0 1]
[0 1 0 1 0]
[0 0 1 0 0]]
Это быстрее, чем мое решение!
ха! получил однострочник с np.pad( . . . , mode = 'reflect')
, это, вероятно, быстрее, дайте мне посмотреть
ну не понимаю, как np.pad
можно использовать для одного вкладыша? Думаю, этот ответ можно назвать одним вкладышем!
@anurag diamond = lambda n: np.pad(np.eye(n), ((n-1, 0), (0, n-1)), mode = 'reflect')
Мой даже подходит для комментария :P
Общий код для создания алмазной матрицы любого желаемого размера. Использование матрицы идентичности и методов нарезки.
import numpy as np
x = 5 # assuming, this will always be odd
result_sz = 2*x-1
mid_pt = int(np.floor(result_sz/2.0))
result = np.zeros((result_sz, result_sz), dtype=np.int)
tile = np.eye(x)
# we have four regular graph quadrants
# first quadrant
result[0:x, mid_pt:] = tile # direct identity
# second quadrant
result[mid_pt:, mid_pt:] = np.flip(tile, axis=1) # identity flipped about y-axis
# third quadrant
result[mid_pt:, 0:x] = tile # direct identity
# fourth quadrant
result[0:x, 0:x] = np.flip(tile, axis=0) # identity flipped about x-axis
# The diamond matrix
print(result)
Вот решение с np.eye
import numpy as np
def diamond(n):
a, b = np.eye(n, dtype=int), np.eye(n, dtype=int)[:,::-1]
c, d = np.hstack((b,a[:,1:])), np.hstack((a,b[:,1:]))
return np.vstack((c, d[1:,:]))
выход:
>>> print(diamond(3))
[[0 0 1 0 0]
[0 1 0 1 0]
[1 0 0 0 1]
[0 1 0 1 0]
[0 0 1 0 0]]
Моя запись с использованием np.pad(... mode = 'reflect')
:
def diamond(n):
return np.pad(np.eye(n), ((n-1, 0), (0, n-1)), mode = 'reflect')
diamond(3)
Out:
array([[0., 0., 1., 0., 0.],
[0., 1., 0., 1., 0.],
[1., 0., 0., 0., 1.],
[0., 1., 0., 1., 0.],
[0., 0., 1., 0., 0.]])
diamond(1)
Out: array([[1.]])
diamond(5)
Out:
array([[0., 0., 0., 0., 1., 0., 0., 0., 0.],
[0., 0., 0., 1., 0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0., 0., 1., 0., 0.],
[0., 1., 0., 0., 0., 0., 0., 1., 0.],
[1., 0., 0., 0., 0., 0., 0., 0., 1.],
[0., 1., 0., 0., 0., 0., 0., 1., 0.],
[0., 0., 1., 0., 0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0., 1., 0., 0., 0.],
[0., 0., 0., 0., 1., 0., 0., 0., 0.]])
В моих таймингах это примерно на 40% быстрее, чем ответ @Daweo, и несколько более простой код.
def diamond_Daweo(n):
arr = np.diagflat(np.ones(n), n-1) # now we have 1s in upper-right part
arr = np.maximum(arr,np.flip(arr,1)) # now we have 1s in upper part
return np.maximum(arr,np.flip(arr,0)) # now we have 1s everywhere
%timeit diamond_Daweo(100)
120 µs ± 1.9 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%timeit diamond(100)
75.8 µs ± 2.86 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
def diamond(m):
n = 2 * m - 1
res = [[0] * n for _ in range(n)]
# make first m lines
for x in range(m):
res[x][m - x - 1] = 1
res[x][n - (m - x)] = 1
# copy other lines as they as symmetric with above line by line m - 1
for x in range(m, n):
res[x] = res[2 * (m - 1) - x][:]
return res
В приведенном ниже решении используются numpy.eye и numpy.flip для определения массивов правильного размера, заполненных линиями, необходимыми для рисования ромба (одна диагональ влево-вверх (lu
) и одна диагональ влево-вниз (ld
).
numpy.zeros затем используется для создания массива правильных размеров для хранения ромба с size
единицами на каждом ребре (d
). Каждое измерение size*2-1
учитывает полную ширину обеих линий вдоль каждой оси, а -1
учитывает вершины/углы.
Затем numpy.where используется для эффективного сопоставления обоих типов линий, сгенерированных выше, с правильными позициями на d
, чтобы «нарисовать» ромб в единицах. Это достигается путем первого нарезки d
, чтобы каждая строка начиналась с правильного индекса, прежде чем lu
/ld
использовались для создания маски, применяемой к соответствующему выделению, чтобы заполнить их.
import numpy as np
def diamond(size):
lu = np.eye(size) # Define left-upward edge
ld = np.flip(lu, axis=0) # Define left-downward edge
d = np.zeros((lu.shape[0]*2-1, lu.shape[1]*2-1)) # Create empty array of correct size filled with zeros
mid = size-1 # Store mid-point index of each axis
d[np.where(ld==1)] = 1 # Write upper left-centre edge
d[:,mid:][np.where(lu==1)] = 1 # Write upper centre-right edge
d[mid:,mid:][np.where(ld==1)] = 1 # Write lower right-centre edge
d[mid:,:][np.where(lu==1)] = 1 # Write lower left-centre edge
return d.astype(int) # Return diamond shaped array with values int instead of float
print(diamond(1),'\n')
print(diamond(2),'\n')
print(diamond(3),'\n')
print(diamond(4),'\n')
Выход
[[1]]
[[0 0 1 0 0]
[0 1 0 1 0]
[1 0 0 0 1]
[0 1 0 1 0]
[0 0 1 0 0]]
[[0 0 1 0 0]
[0 1 0 1 0]
[1 0 0 0 1]
[0 1 0 1 0]
[0 0 1 0 0]]
[[0 0 0 1 0 0 0]
[0 0 1 0 1 0 0]
[0 1 0 0 0 1 0]
[1 0 0 0 0 0 1]
[0 1 0 0 0 1 0]
[0 0 1 0 1 0 0]
[0 0 0 1 0 0 0]]
Отвечает ли это на ваш вопрос? «нарисовать» случайный ромб (ромб) на массиве numpy (тестирование обнаружения углов Харриса)