Python SciPy ndimage.value_indices用法及代码示例

本文简要介绍 python 语言中 scipy.ndimage.value_indices 的用法。

用法:

scipy.ndimage.value_indices(arr, *, ignore_value=None)#

查找给定数组中每个不同值的索引。

参数 ：：

arr： 整数数组

包含整数值的数组。

ignore_value： 整数，可选

在搜索 arr 数组时将忽略该值。如果未给出，则找到的所有值都将包含在输出中。默认为“无”。

返回 ：：

indices： 字典

每个不同值的数组索引的 Python 字典。字典由不同的值作为键，条目是数组索引元组，涵盖数组中该值的所有出现。

该字典会占用大量内存，通常是输入数组大小的几倍。

注意：

对于具有很少不同值的小数组，可以使用numpy.unique()找到所有可能的值，并且(arr == val)找到该数组中的每个值。然而，对于具有许多不同值的大型数组，这可能变得极其低效，因为定位每个值将需要对整个数组进行新的搜索。使用此函数，本质上是一次搜索，并为所有不同的值保存索引。

当将分类图像(例如分割或分类)与其他数据的关联图像进行匹配时，这非常有用，从而允许计算任何per-class统计数据。为 scipy.ndimage.mean() 和 scipy.ndimage.variance() 等函数提供更灵活的替代方案。

其他一些密切相关的函数，具有不同的优点和缺点，也可以在 scipy.stats.binned_statistic() 和 scikit-image 函数 skimage.measure.regionprops() 中找到。

IDL 用户请注意：这提供了与 IDL 的 REVERSE_INDICES 选项等效的函数(根据 HISTOGRAM 函数的 IDL 文档)。

例子：

>>> import numpy as np
>>> from scipy import ndimage
>>> a = np.zeros((6, 6), dtype=int)
>>> a[2:4, 2:4] = 1
>>> a[4, 4] = 1
>>> a[:2, :3] = 2
>>> a[0, 5] = 3
>>> a
array([[2, 2, 2, 0, 0, 3],
       [2, 2, 2, 0, 0, 0],
       [0, 0, 1, 1, 0, 0],
       [0, 0, 1, 1, 0, 0],
       [0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0]])
>>> val_indices = ndimage.value_indices(a)

字典 val_indices 将为输入数组中的每个不同值都有一个条目。

>>> val_indices.keys()
dict_keys([0, 1, 2, 3])

每个值的条目都是一个索引元组，用于定位具有该值的元素。

>>> ndx1 = val_indices[1]
>>> ndx1
(array([2, 2, 3, 3, 4]), array([2, 3, 2, 3, 4]))

这可用于索引原始数组或具有相同形状的任何其他数组。

>>> a[ndx1]
array([1, 1, 1, 1, 1])

如果忽略零，则生成的字典将不再有零的条目。

>>> val_indices = ndimage.value_indices(a, ignore_value=0)
>>> val_indices.keys()
dict_keys([1, 2, 3])