kiểm tra xem một mảng numpy có 0 trên tất cả các viền của nó không [đóng]

Điều gì sẽ là cách nhanh nhất để kiểm tra nếu một mảng numpy đa chiều có 0 ở tất cả các phía.

Vì vậy, đối với một ví dụ 2D đơn giản, tôi có:

x = np.random.rand(5, 5)
assert np.sum(x[0:,  0]) == 0
assert np.sum(x[0,  0:]) == 0
assert np.sum(x[0:, -1]) == 0
assert np.sum(x[-1, 0:]) == 0

Mặc dù điều này là ổn đối với các trường hợp 2D ở bên phải, nhưng viết cho kích thước cao hơn thì hơi tẻ nhạt và tôi đã tự hỏi liệu có một mẹo khéo léo thông minh nào tôi có thể sử dụng ở đây để làm cho nó hiệu quả và cũng dễ bảo trì hơn.

Đây là cách bạn có thể làm điều đó:

assert(all(np.all(np.take(x, index, axis=axis) == 0)
           for axis in range(x.ndim)
           for index in (0, -1)))

np.take thực hiện điều tương tự như lập chỉ mục "ưa thích".

Đây là một câu trả lời thực sự kiểm tra các phần của mảng mà bạn quan tâm và không lãng phí thời gian để xây dựng một mặt nạ kích thước của toàn bộ mảng. Có một vòng lặp cấp Python, nhưng nó ngắn, với số lần lặp tỷ lệ với số lượng kích thước thay vì kích thước của mảng.

def all_borders_zero(array):
    if not array.ndim:
        raise ValueError("0-dimensional arrays not supported")
    for dim in range(array.ndim):
        view = numpy.moveaxis(array, dim, 0)
        if not (view[0] == 0).all():
            return False
        if not (view[-1] == 0).all():
            return False
    return True

Tôi đã định hình lại mảng và sau đó lặp lại qua nó. Thật không may, câu trả lời của tôi cho rằng bạn có ít nhất ba chiều và sẽ lỗi với các ma trận thông thường, bạn sẽ phải thêm một mệnh đề đặc biệt cho các mảng hình 1 & 2 chiều. Ngoài ra, điều này sẽ chậm nên có khả năng có giải pháp tốt hơn.

x = np.array(
        [
            [
                [0 , 1, 1, 0],
                [0 , 2, 3, 0],
                [0 , 4, 5, 0]
            ],
            [
                [0 , 6, 7, 0],
                [0 , 7, 8, 0],
                [0 , 9, 5, 0]
            ]
        ])

xx = np.array(
        [
            [
                [0 , 0, 0, 0],
                [0 , 2, 3, 0],
                [0 , 0, 0, 0]
            ],
            [
                [0 , 0, 0, 0],
                [0 , 7, 8, 0],
                [0 , 0, 0, 0]
            ]
        ])

def check_edges(x):

    idx = x.shape
    chunk = np.prod(idx[:-2])
    x = x.reshape((chunk*idx[-2], idx[-1]))
    for block in range(chunk):
        z = x[block*idx[-2]:(block+1)*idx[-2], :]
        if not np.all(z[:, 0] == 0):
            return False
        if not np.all(z[:, -1] == 0):
            return False
        if not np.all(z[0, :] == 0):
            return False
        if not np.all(z[-1, :] == 0):
            return False

    return True

Cái nào sẽ sản xuất

>>> False
>>> True

Về cơ bản, tôi xếp tất cả các kích thước lên nhau và sau đó nhìn qua chúng để kiểm tra các cạnh của chúng.

có thể toán tử dấu chấm lửng là thứ bạn đang tìm kiếm, nó sẽ hoạt động cho nhiều chiều:

import numpy as np

# data
x = np.random.rand(2, 5, 5)
x[..., 0:, 0] = 0
x[..., 0, 0:] = 0
x[..., 0:, -1] = 0
x[..., -1, 0:] = 0

test = np.all(
    [
        np.all(x[..., 0:, 0] == 0),
        np.all(x[..., 0, 0:] == 0),
        np.all(x[..., 0:, -1] == 0),
        np.all(x[..., -1, 0:] == 0),
    ]
)

print(test)

Bạn có thể sử dụng slicevà mặt nạ boolean để hoàn thành công việc:

def get_borders(arr):
    s=tuple(slice(1,i-1) for i in a.shape)
    mask = np.ones(arr.shape, dtype=bool)
    mask[s] = False
    return(arr[mask])

Hàm này trước tiên định hình "lõi" của mảng thành bộ dữ liệu s, sau đó xây dựng mặt nạ Truechỉ hiển thị cho các điểm giáp. Lập chỉ mục Boolean sau đó cung cấp các điểm biên giới.

Ví dụ làm việc:

a = np.arange(16).reshape((4,4))

print(a)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

borders = get_borders(a)
print(borders)
array([ 0,  1,  2,  3,  4,  7,  8, 11, 12, 13, 14, 15])

Sau đó, np.all(borders==0)sẽ cung cấp cho bạn thông tin mong muốn.

Lưu ý: điều này phá vỡ cho các mảng một chiều, mặc dù tôi coi đó là một trường hợp cạnh. Có lẽ bạn nên kiểm tra hai điểm trong câu hỏi đó