python - 在二维 NumPy 数组中找到最近的非零元素和相应的索引

Question

假设我有一个名为 array 的二维数组和一个二维索引:(x,y) 并且我想获取离 ( x,y)，得到np.nonzero(array)

中元素对应的索引

Answer 1

方法 #1:这是一种方法 -

def nearest_nonzero_idx(a,x,y):
    idx = np.argwhere(a)

    # If (x,y) itself is also non-zero, we want to avoid those, so delete that
    # But, if we are sure that (x,y) won't be non-zero, skip the next step
    idx = idx[~(idx == [x,y]).all(1)]

    return idx[((idx - [x,y])**2).sum(1).argmin()]

sample 运行-

In [64]: a
Out[64]: 
array([[0, 0, 1, 1, 0, 1, 1],
       [0, 0, 1, 0, 0, 0, 1],
       [1, 1, 0, 0, 0, 0, 0],
       [0, 1, 1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0],
       [1, 1, 0, 0, 1, 1, 0],
       [0, 1, 0, 0, 1, 0, 1],
       [1, 0, 0, 1, 1, 1, 0]])

In [65]: x,y =(3,5)

In [66]: nearest_nonzero(a,x,y)
Out[66]: array([5, 5])

方法#2:这是另一种关注性能的方法，它避免了先前方法的第二步，即跳过非数组中的 (x,y) 点- 通过临时将点设置为 0，获取那些非零索引，然后将原始值设置回其中来实现零索引。此外，我们可以使用 np.nonzero 来存储 row, col 索引，然后使用这些索引执行距离计算。

因此，实现将是 -

def nearest_nonzero_idx_v2(a,x,y):
    tmp = a[x,y]
    a[x,y] = 0
    r,c = np.nonzero(a)
    a[x,y] = tmp
    min_idx = ((r - x)**2 + (c - y)**2).argmin()
    return r[min_idx], c[min_idx]

运行时测试

In [110]: a
Out[110]: 
array([[3, 2, 3, 3, 0, 2, 4, 2, 1],
       [0, 3, 4, 3, 4, 3, 3, 2, 0],
       [1, 3, 0, 0, 0, 0, 0, 0, 0],
       [0, 1, 2, 0, 0, 2, 0, 0, 2],
       [3, 0, 0, 0, 0, 0, 0, 0, 1],
       [0, 0, 2, 2, 4, 4, 3, 4, 3],
       [2, 2, 2, 1, 0, 0, 1, 1, 1],
       [3, 4, 3, 1, 0, 4, 0, 4, 2]])

In [111]: x,y =(3,5)

In [112]: nearest_nonzero_idx(a,x,y)
Out[112]: array([1, 5])

In [113]: nearest_nonzero_idx_v2(a,x,y)
Out[113]: (1, 5)

In [114]: %timeit nearest_nonzero_idx(a,x,y)
10000 loops, best of 3: 23.1 µs per loop

In [115]: %timeit nearest_nonzero_idx_v2(a,x,y)
100000 loops, best of 3: 4.85 µs per loop