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
Массив y является выходом массива x. например, получить доступ к каждому второму последовательному значению элемента 1 в массиве x.
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
как и конечная точка, которую мы можем выбрать, используя np.count_nonzero(x)-1, можно ли получить доступ к непродолжительным различным путям
@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]
.
Я не совсем понимаю ваш вопрос. Вы хотите выполнить некоторые операции над
x
np.array
, чтобы преобразовать его вy
np.array
?