如何使用 Numpy 在 Python 中加速从 2D numpy 数组创建 3D 点

发布于 2025-01-11 04:47:38 字数 899 浏览 0 评论 0原文

我的目标是从 2D numpy 数组中创建 3D 点（[x, y, z] 坐标）列表。 X 和 Y 坐标对应于其矩阵坐标。

这是一个例子，我们假设：

inp = np.array([
  [15, 18, 14],
  [10, 25, 13],
  [9, 2, 56]
])

是一个 2D numpy 数组，inp[x, y] 上有单个值。我想做的是得到这个结果：

out = np.array([
  [0, 0, 15],
  [1, 0, 10],
  [2, 0,  9],
  [0, 1, 18],
  [1, 1, 25],
  [2, 1,  2],
  [0, 2, 14],
  [1, 2, 13],
  [2, 2, 56]
])

因此，如果 inp[0, 0] = 15，同一索引上的输出矩阵将为 out[0,0] = [0, 0, 15] >.

我已经成功地使用列表理解创建了这个：

[[x, y, mat[x, y]] for y in range(3) for x in range(3)]

但是它非常慢，我需要执行此操作才能在实时应用程序中使用它。

是否有任何更快的方法（例如使用numpy函数的一些操作）来获得相同的结果？

原文

My goal is to create a list of 3D points ([x, y, z] coordinates) out of 2D numpy array. X and Y coordinates corresponds to it's matrix coordinates.

Here's an example, let's assume:

inp = np.array([
  [15, 18, 14],
  [10, 25, 13],
  [9, 2, 56]
])

is a 2D numpy array with single value on inp[x, y]. What I'm trying to do is to get this result:

out = np.array([
  [0, 0, 15],
  [1, 0, 10],
  [2, 0,  9],
  [0, 1, 18],
  [1, 1, 25],
  [2, 1,  2],
  [0, 2, 14],
  [1, 2, 13],
  [2, 2, 56]
])

So if inp[0, 0] = 15, the output matrix on the same index will be out[0,0] = [0, 0, 15].

I've managed to create this using list comprehension:

[[x, y, mat[x, y]] for y in range(3) for x in range(3)]

but it's very slow and I need to do this operation in order to use it in real-time application.

Is there any quicker way (e.g. using some operations with numpy functions) to obtain same results?

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

少跟Wǒ拽 2025-01-18 04:47:38

使用 np.indices 获取所需的索引，然后使用 np.stack 将它们连接在一起。

inp = np.array([
  [15, 18, 14],
  [10, 25, 13],
  [9, 2, 56] ])

indices = np.indices( (3,3) )

np.stack(( indices[1], indices[0], inp.T ), axis = 2 ).reshape( 9,3)

indices[1] 给出第 0 列，indices[0] 给出第 1 列，因为索引交换到（列、行），所以输入必须转置 inp.T。

结果：

array([[ 0,  0, 15],
       [ 1,  0, 10],
       [ 2,  0,  9],
       [ 0,  1, 18],
       [ 1,  1, 25],
       [ 2,  1,  2],
       [ 0,  2, 14],
       [ 1,  2, 13],
       [ 2,  2, 56]])

Use np.indices to get the indices required then np.stack to join them together.

inp = np.array([
  [15, 18, 14],
  [10, 25, 13],
  [9, 2, 56] ])

indices = np.indices( (3,3) )

np.stack(( indices[1], indices[0], inp.T ), axis = 2 ).reshape( 9,3)

indices[1] gives the 0th column, indices[0] gives the 1th, as the indices are swapped to (column, row) the inputs must be transposed inp.T.

Result:

array([[ 0,  0, 15],
       [ 1,  0, 10],
       [ 2,  0,  9],
       [ 0,  1, 18],
       [ 1,  1, 25],
       [ 2,  1,  2],
       [ 0,  2, 14],
       [ 1,  2, 13],
       [ 2,  2, 56]])

回复收藏 0 原文

~没有更多了~