python - 分配给 numpy 数组的包装切片

Question

我有一个大图像 A 和一个较小的图像 B，它们都表示为二维 numpy 数组。我想使用 A 作为 Canvas ，并在上面写下 B 的翻译副本，以六边形排列。我无法理解的部分是如何处理它，使图像在垂直和水平方向都环绕——本质上，我想要的是将子图像(根据需要填充)规则镶嵌到圆环上。

我看过关于 numpy.take 和 numpy.roll 的讨论 wrapping around slices in Python / numpy这向我展示了如何访问和返回数组的包装切片的副本，但我想分配给它——即，对于任意整数 rowOffset 和 columnOffset 我想做的是:

  A = numpy.zeros((5,11), int)
  B = numpy.array([[1,2,3,4,5,6,7]]) * numpy.array([[10,100,1000]]).T
  # OK, we wouldn't be able to fit more than one or two copies of B into A, but they demonstrate the wrapped placement problem

  wrappedRowIndices = ( numpy.arange(B.shape[0]) + rowOffset ) % A.shape[0]
  wrappedColumnIndices = ( numpy.arange(B.shape[1]) + columnOffset ) % A.shape[1]
  A[ wrappedRowIndices,  : ][ :, wrappedColumnIndices ] = B 

我从评论中看到on the question ,并且从对 numpy 数组表示方式的片刻反射(reflection)来看，包装切片无法以这种要求的方式作为 view 返回。

是否有 (Y) 以这种方式分配给数组的包裹切片的方法，或者 (X) 是否有用于执行我试图实现的那种分割的现有实用程序？

Answer 1

np.put是一维等于 np.take :

In [1270]: A=np.arange(10)
In [1271]: np.take(A,[8,9,10,11],mode='wrapped')
Out[1271]: array([8, 9, 0, 1])
In [1272]: np.put(A,[8,9,10,11],[10,11,12,13],mode='wrapped')
In [1273]: A
Out[1273]: array([12, 13,  2,  3,  4,  5,  6,  7, 10, 11])
In [1274]: np.take(A,[8,9,10,11],mode='wrapped')
Out[1274]: array([10, 11, 12, 13])

它的文档建议 np.place和 np.putmask (和 np.copyto )。我用的不多，但可以构建一个掩码，并重新排列 B这样就可以复制了。

=================

这是一个关于 place 的实验:

In [1313]: A=np.arange(24).reshape(4,6)
In [1314]: mask=np.zeros(A.shape,bool)
In [1315]: mask[:3,:4]=True
In [1316]: B=-np.arange(12).reshape(3,4)

所以我有 mask与 A 大小相同, 有一个大小为 B 的“洞” .

我可以同时滚动 mask和 B , 和 place A 中的值在wrapped时尚。

In [1317]: np.place(A, np.roll(mask,-2,0), np.roll(B,1,0).flat)
In [1318]: A
Out[1318]: 
array([[ -8,  -9, -10, -11,   4,   5],
       [  6,   7,   8,   9,  10,  11],
       [  0,  -1,  -2,  -3,  16,  17],
       [ -4,  -5,  -6,  -7,  22,  23]])

还有 2d 卷

In [1332]: m=np.roll(np.roll(mask,-2,0),-1,1)
In [1333]: m
Out[1333]: 
array([[ True,  True,  True, False, False,  True],
       [False, False, False, False, False, False],
       [ True,  True,  True, False, False,  True],
       [ True,  True,  True, False, False,  True]], dtype=bool)
In [1334]: b=np.roll(np.roll(B,1,0),-1,1)
In [1335]: b
Out[1335]: 
array([[ -9, -10, -11,  -8],
       [ -1,  -2,  -3,   0],
       [ -5,  -6,  -7,  -4]])
In [1336]: A=np.zeros((4,6),int)
In [1337]: np.place(A, m, b.flat)
In [1338]: A
Out[1338]: 
array([[ -9, -10, -11,   0,   0,  -8],
       [  0,   0,   0,   0,   0,   0],
       [ -1,  -2,  -3,   0,   0,   0],
       [ -5,  -6,  -7,   0,   0,  -4]])