Как сделать пунктирную линию в двоичном массиве

как создать пунктирную линию в массиве NumPy ниже

import NumPy as np
from matplotlib import pyplot as plt
from matplotlib.colors import ListedColormap

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

def make_figure(inp_arr: np.array, outputname):
    # create graphical output for visual check
    cmap = ListedColormap([ 'r','b','g'])
    plt.imshow(inp_arr, cmap=cmap)
    plt.grid(color='b', linestyle=':', linewidth=0.55)
    plt.savefig(input_folder + 'pics_' + str(outputname) + '.png', format='png', dpi=350)
    # plt.show()
    #plt.clf()

bh=make_figure(b,'gh')

требование: как преобразовать элемент 1 в 0 с шагом двух ожидаемых результатов, похоже на Я пытался использовать алгоритм грубой силы, но не могу найти решение

выходной массив выглядит так

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

для визуального представления, например, для создания пунктирной линии

Я не совсем понимаю ваш вопрос. Вы хотите выполнить некоторые операции над xnp.array, чтобы преобразовать его в ynp.array?

rickhg12hs 14.10.2022 05:02

Массив y является выходом массива x. например, получить доступ к каждому второму последовательному значению элемента 1 в массиве x.

raja 14.10.2022 09:53
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
51
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вот один из способов найти полный путь минимального веса, затем взять первую точку, пропустить две точки и повторять до конца пути.

import numpy as np
from sklearn.neighbors import radius_neighbors_graph
from scipy import sparse
import networkx as nx
x = np.array( [ [1, 0, 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, 0, 1, 0, 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, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
                [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1],
                [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, 1],
                [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
                [0, 1, 0, 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, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0],
                [0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1] ] )

x_nonzeros = x.nonzero()
num_points = len(x_nonzeros[0])

x_coords = [[x_nonzeros[0][k], x_nonzeros[1][k]] for k in range(num_points)]

neighbors = radius_neighbors_graph(x_coords, radius=1.5, mode = "distance")

G = nx.Graph(neighbors)

full_paths = [
  {"path": path, "weight": nx.classes.path_weight(G, path, weight = "weight")}
  for path in nx.all_simple_paths(G, 0, 40) if len(path)==num_points
]

full_paths.sort(key=lambda rec: rec["weight"])

the_path = full_paths[0]["path"]

y_coords = [x_coords[coord] for coord in the_path[0::3]]

y = sparse.coo_array(([1]*len(y_coords),np.array(y_coords).T)).toarray()

print(y)
# [[1 0 0 0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0 0 0 0 0 0 0]
#  [0 0 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 0 0 0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 1 0 0 1 0 0 1]
#  [0 0 0 0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0 0 0 0 0 0 0]
#  [1 0 0 1 0 0 1 0 0 1 0 0 1]
#  [0 0 0 0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 1 0 0 1 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0 0 1 0 0 1 0]]

Большое спасибо за вашу помощь, есть ли способ выбрать автоматические целевые точки пути

raja 16.10.2022 04:38

как и конечная точка, которую мы можем выбрать, используя np.count_nonzero(x)-1, можно ли получить доступ к непродолжительным различным путям

raja 16.10.2022 04:57

@raja Я не уверен - я нуб в теории графов. nx.all_simple_paths(G, 0, 40) использует идентификаторы узлов start и target графа G. Если мы знаем начальный узел 0, мы можем получить самый дальний узел следующим образом: farthest_node = reduce(lambda x,y: y if y[1]>x[1] else x, nx.single_source_shortest_path_length(G, 0).items())[0].

rickhg12hs 16.10.2022 06:31

Другие вопросы по теме