将二维数组的每个元素映射到python中对应的（x，y）坐标

Posted 2023-03-12

【中文标题】将二维数组的每个元素映射到python中对应的（x，y）坐标

【英文标题】：Mapping every element of a 2D array to its corresponding (x,y) coordinate in python

【发布时间】：2022-01-17 07:29:39

【问题描述】：

我有两个一维数组，它们给出了 x 和 y 的值范围——例如：

x = np.array([0,1,2])
y = np.array([8,9])

我还有一个对应的二维数组，它给出了与每个可能的 (x,y) 组合相关的 z 值——例如：

z = np.array([['A','B'],
              ['C','D'],
              ['E','F']])

注意在这个例子中 z 是一个 3x2 数组，每一行对应一个给定的 x 值，每列对应一个给定的 y 值（顺序对于这个映射很重要）。

我想要的是将这 3 个数组组合成一个坐标值对的一维列表——例如：

result = [(0,8,'A'),
          (0,9,'B'),
          (1,8,'C'),
          (1,9,'D'),
          (2,8,'E'),
          (2,9,'F')]

使用 for 循环绝对有一种蛮力的方法，但是使用预先存在的 numpy 或 python 例程是否有更简单/更快的方法？我的猜测是它可能涉及 np.meshgrid()、zip() 或 itertools，但我无法弄清楚。任何帮助将不胜感激！

【问题讨论】：

由于你想要一个元组列表，你不能使用“直接”numpy 方法（这会产生一个具有统一 dtype 的多维数组）。 np.ndenumerate(z) 很简单，虽然不能自定义索引。

【参考方案1】：

尝试将itertools.product 与zip 结合使用并进行列表理解。您还需要使用 numpy 解开二维列表

from itertools import product
import numpy as np

x = np.array([0,1,2])
y = np.array([8,9])
z = np.array([['A','B'],
              ['C','D'],
              ['E','F']])

result = [(x,y,z) for (x,y),z in zip(product(x, y), np.hstack(z))]
# [(0, 8, 'A'), (0, 9, 'B'), (1, 8, 'C'), (1, 9, 'D'), (2, 8, 'E'), (2, 9, 'F')]

【参考方案2】：

您可以将itertools.product 和zip 产品与扁平化的z 一起使用：

from itertools import product
out = [tuple(list(i)+[j]) for i,j in zip(product(x,y),z.flatten())]

输出：

[(0, 8, 'A'), (0, 9, 'B'), (1, 8, 'C'), (1, 9, 'D'), (2, 8, 'E'), (2, 9, 'F')]

【参考方案3】：

你也可以使用np.meshgrid，比itertools.product快：

combs = np.stack(np.meshgrid(x, y), axis=-1).reshape(-1, 2)
print(combs)
[[0 8]
 [1 8]
 [2 8]
 [0 9]
 [1 9]
 [2 9]]

将不同类型的数据保存在同一个数组中并不是一个好主意。因此，如果您真的需要它，请以迭代为代价将其替换为动态类型：

[(*c, id) for c, id in zip(combs, z.ravel())]
>>> [(0, 8, 'A'), (1, 8, 'B'), (2, 8, 'C'), (0, 9, 'D'), (1, 9, 'E'), (2, 9, 'F')]