3d配列のndimage.generic_function

Question

行列の中で最も頻繁に使用される要素は、隣接値とそれ自体に基づいて計算する必要があります。私はgeneric_filter関数を見つけました。だからここに私は2次元配列

arr = np.array([ 
    [1, 2, 4], 
    [5, 6, 7], 
    [2, 4, 4] 
]) 

def most_frequent(arr): 
    def most_frequent(val): 
     return Counter(val).most_common(1)[0][0] 

    footprint = [[1, 1, 1], [1, 1, 1], [1, 1, 1]] 
    return ndimage.generic_filter(arr, most_frequent, footprint=footprint, mode='constant') 

print most_frequent(arr) 

のためにこれを行うことができる方法である。このエッジ上の要素を無視してくれ

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

を返します。あなたが見るように、中間要素は4です。これは、これが隣人と値の中で最も頻繁に存在する要素なのでです。

---

大きな問題は、私が3dマトリクスに対して同じことをする必要があることです。したがって、この

arr = np.array([ 
    [[1, 1], [2, 2], [4, 4]], 
    [[5, 5], [6, 6], [7, 7]], 
    [[2, 2], [4, 4], [4, 4]] 
]) 

のような行列のために、私は途中でどこでも[0, 0]と[4, 4]を得ることを期待します。これは、RuntimeError('filter footprint array has incorrect shape.')で失敗します。

CVAL：スカラー、オプションの値のモードが 「定数」であれば、入力の過去のエッジを埋めるために、私はドキュメントが言うので、私はgeneric_filterここに使用することができます疑問を持っているより悪い事。

どうすれば問題を解決できますか？

Answer 1

完全にベクトル化されたソリューションです。

まずメイク平坦化地域：

(n,m,_)=M.shape 
(sn,sm,s2)=M.strides 
newshape=(n-2,m-2,9,2) 
newstrides=(sn,sm,2*s2,s2) 
neighborhoods=np.lib.stride_tricks.as_strided(M,newshape,newstrides) 
""" 
array([[[[1, 1], 
     [2, 2], 
     [4, 1], 
     [1, 1], 
     [5, 5], 
     [6, 6], 
     [7, 7], 
     [2, 3], 
     [2, 2]], 

     [[2, 2], 
     [4, 1], 
     [1, 1], 
     [5, 5], 
     [6, 6], 
     [7, 7], 
     [2, 3], 
     [2, 2], 
     [4, 1]]]]) 
    """ 

はその後、1次元配列を扱うnp.uniqueを使用するには、2つのコンポーネントをパックする必要があります。

packed_neighborhoods=np.ascontiguousarray(neighborhoods).view(int64) 
In [5]: packed_neighborhoods.shape 
Out[5]: (1, 2, 9, 1) 

今、私たちはnp.uniqueに基づいて、1次元配列を取り、最も頻繁にindiceを見つける機能を定義します：

def mostfreq(arr): 
    _,index,counts=unique(arr, return_index=True, return_counts=True) 
    return index[counts.argmax()] 

M.dtypeはint32ですと仮定すると、あなたは、ビューでそれを行うことができます良い軸でそれを適用してください：

ind2=apply_along_axis(mostfreq,2,packed_neighborhoods).squeeze() 

そして、他のインデックスを含む結果があります。

ind0,ind1=indices(neighborhoods.shape[:2]) 
print(neighborhoods[ind0,ind1,ind2]) 
""" 
[[[1 1] 
    [4 1]]] 
""" 

しかし、あなたのソリューションは、現時点で同じ性能を持っています。（私はこれを達成する方法を発見した

Answer 2

一つの方法は、まだ良い解決策を探して

def most_frequent(M): 
    x, y, _ = arr.shape 
    res = np.zeros((x - 2, y - 2, 2)) 
    for i in xrange(1, x - 1): 
     for j in xrange(1, y - 1): 
      neighbors = [M[i - 1, j - 1], M[i - 1, j], M[i - 1, j + 1], M[i, j - 1], M[i, j], M[i, j + 1], M[i + 1, j - 1], M[i + 1, j], M[i + 1, j + 1]] 
      res[i - 1, j - 1] = Counter([tuple(_) for _ in neighbors]).most_common(1)[0][0] 

    return res 

ような何かを行うことです。 （私の2つのループを含まないもの）