python - numpy 数组用掩码求平均值

Question

我希望在 bool numpy 数组上进行一些基本的聚类，我基本上只是尝试使用掩码进行 2d 平均，但我觉得一定有比我现有的更好的解决方案，因为它又慢又不优雅:

def grab_window(location, array, window=(3,3)):
    minimums = [min(0, i-a) for i, a in zip(location, window)]
    maximums = [(i + a) for i, a in zip(location, window)]
    answer = array
    for i, _ in enumerate(location):
        answer = answer[slice(minimums[i],maximums[i])]
    return answer

然后我基本上只是迭代原始数组，将每个窗口乘以内核，然后返回修改后的窗口的平均值。

似乎必须有一个过滤器或类似的东西可以达到相同的效果，但到目前为止我还没有找到。

编辑:位置是类似于窗口形式的元组。

例如，如果我们要做最简单的版本，使用统一的单层掩模，我会寻找类似的东西:

import numpy as np
test = np.arange(0,24).reshape(6, 4)
footprint = [
[1,1,1],
[1,0,1],
[1,1,1]
]
some_function(test, footprint)
array([[ 1,  2,  3,  4],
   [ 4,  5,  6,  6],
   [ 8,  9, 10, 10],
   [12, 13, 14, 14],
   [16, 17, 18, 18],
   [18, 19, 20, 21]])

Answer 1

事实证明 scipy 完全有一个函数可以做到这一点。 generic_filter 实际上以一种更稳定的方式做到了这一点，如 How to apply ndimage.generic_filter() 中所述。

示例:

def some_avg(values):
    return values.mean()

footprint = np.array([
    [1,1,1],
    [1,0,1],
    [1,1,1]
])

test = test = np.arange(0,24).reshape(6, 4)

scipy.ndimage.filters.generic_filter(test, some_avg, footprint=footprint)

array([[ 1,  2,  3,  4],
   [ 4,  5,  6,  6],
   [ 8,  9, 10, 10],
   [12, 13, 14, 14],
   [16, 17, 18, 18],
   [18, 19, 20, 21]])