Python dask.array.Array.map_overlap用法及代码示例

用法:
Array.map_overlap(func, depth, boundary=None, trim=True, **kwargs)

将函数映射到具有一些重叠的数组块上

我们在数组的块之间共享相邻区域，然后映射一个函数，然后修剪掉相邻的条带。

请注意，此函数会在计算前尝试自动确定输出数组类型，如果您希望该函数在对 0-d 数组进行操作时不会成功，请参阅map_blocks 中的meta 关键字参数。

参数：

func: function：: 应用于每个扩展块的函数
depth: int, tuple, or dict：: 每个块应与其邻居共享的元素数量如果是元组或字典，那么每个轴可能不同
boundary: str, tuple, dict：: 如何处理边界。值包括‘reflect’, ‘periodic’, ‘nearest’, ‘none’，或任何常量值，如 0 或 np.nan
trim: bool：: 调用 map 函数后是否从每个块中修剪 depth 元素。如果您的映射函数已经为您执行此操作，请将其设置为 False
**kwargs:: map_blocks 中有效的其他关键字参数。

例子：

>>> import dask.array as da
>>> x = np.array([1, 1, 2, 3, 3, 3, 2, 1, 1])
>>> x = da.from_array(x, chunks=5)
>>> def derivative(x):
...     return x - np.roll(x, 1)

>>> y = x.map_overlap(derivative, depth=1, boundary=0)
>>> y.compute()
array([ 1,  0,  1,  1,  0,  0, -1, -1,  0])

>>> import dask.array as da
>>> x = np.arange(16).reshape((4, 4))
>>> d = da.from_array(x, chunks=(2, 2))
>>> y = d.map_overlap(lambda x: x + x.size, depth=1, boundary='reflect')
>>> y.compute()
array([[16, 17, 18, 19],
       [20, 21, 22, 23],
       [24, 25, 26, 27],
       [28, 29, 30, 31]])

>>> func = lambda x: x + x.size
>>> depth = {0: 1, 1: 1}
>>> boundary = {0: 'reflect', 1: 'none'}
>>> d.map_overlap(func, depth, boundary).compute()  
array([[12,  13,  14,  15],
       [16,  17,  18,  19],
       [20,  21,  22,  23],
       [24,  25,  26,  27]])

>>> x = np.arange(16).reshape((4, 4))
>>> d = da.from_array(x, chunks=(2, 2))
>>> y = d.map_overlap(lambda x: x + x[2], depth=1, boundary='reflect', meta=np.array(()))
>>> y
dask.array<_trim, shape=(4, 4), dtype=float64, chunksize=(2, 2), chunktype=numpy.ndarray>
>>> y.compute()
array([[ 4,  6,  8, 10],
       [ 8, 10, 12, 14],
       [20, 22, 24, 26],
       [24, 26, 28, 30]])

>>> import cupy  
>>> x = cupy.arange(16).reshape((4, 4))  
>>> d = da.from_array(x, chunks=(2, 2))  
>>> y = d.map_overlap(lambda x: x + x[2], depth=1, boundary='reflect', meta=cupy.array(()))  
>>> y  
dask.array<_trim, shape=(4, 4), dtype=float64, chunksize=(2, 2), chunktype=cupy.ndarray>
>>> y.compute()  
array([[ 4,  6,  8, 10],
       [ 8, 10, 12, 14],
       [20, 22, 24, 26],
       [24, 26, 28, 30]])

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.Array.map_overlap。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。