在三维numpy数组中查找区域的中心坐标

Question

我有一个大的三维数组（10000，3，3）。其中我想找到每个区域的中心坐标（具有相同编号的簇）。每个区域可以有2个或4个子阵列。在

数组的一个子集是：

largearray= array([[[1, 0, 0],
    [0, 0, 2],
    [3, 0, 2]],

   [[0, 0, 4],
    [0, 0, 4],
    [0, 0, 4]],

   [[5, 0, 0],
    [5, 0, 6],
    [0, 6, 6]],

   [[7, 0, 8],
    [0, 0, 0],
    [9, 0,10]]])

我想要的输出是子阵列的位置和代表中心的x和y坐标：

^{pr2}$

我对其他的输出很开放，但是像这样的东西会很棒的！在

提前谢谢！在

Answer 1

你在找这个吗？在

n_clusters = 10
for i in range(1, n_clusters + 1):
    matches = np.transpose((largearray == i).nonzero())
    print "The center of cluster {} is at {}".format(i, np.mean(matches, axis=0))

^{pr2}$

Answer 2

您可能还想查看处理与此相关的问题的^{}包。[免责声明：我是合著者]。它应该比numpy-indexed（另一个答案中提到的包）快，因为它使用bincount，而不是{}和{}。在

但是，这里的任务非常简单，可以直接使用bincount：

s0, s1, s2 = a.shape

group_counts = np.bincount(a.ravel())

idx = np.broadcast_to(np.arange(s0).reshape([s0, 1, 1]), [s0,s1,s2])
group_sum_0 = np.bincount(a.ravel(), idx.ravel()) 

idx = np.broadcast_to(np.arange(s1).reshape([1, s1, 1]), [s0,s1,s2])
group_sum_1 = np.bincount(a.ravel(), idx.ravel()) 

idx = np.broadcast_to(np.arange(s2).reshape([1, 1, s2]), [s0,s1,s2])
group_sum_2 = np.bincount(a.ravel(), idx.ravel()) 

group_mean = np.vstack((group_sum_0, group_sum_1, group_sum_2)) / group_counts

group_mean.T[1:] # this is the output you show in the question

或者，如果你想“作弊”，你可以使用scipy的ndimage.measurements中的一个函数。在

Answer 3

使用numpy_indexed包中的功能（免责声明：我是其作者），可以构造一个完全矢量化的解决方案（即，没有for循环）：

import numpy_indexed as npi
idx = np.indices(largearray.shape).reshape(largearray.ndim, largearray.size)
label, mean = npi.group_by(largearray, axis=None).mean(idx, axis=1)

对于大的投入，这应该会更有效率。在

请注意，如果标签在每个子阵列中不是唯一的（它们在您的示例中似乎是，但这没有明确说明），但是您仍然希望只取每个子阵列的平均值，您可以简单地写下：

^{pr2}$

也就是说，通过子数组索引和标签的唯一元组进行分组。在