Python中numpy.ix_ 的用法

最新推荐文章于 2024-04-30 15:39:45 发布
最新推荐文章于 2024-04-30 15:39:45 发布
阅读量7.6k 收藏 12
点赞数 4
CC 4.0 BY-SA版权
分类专栏： python 文章标签： python numpy ix_
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/duanmuwx/article/details/84789609
本文介绍如何使用numpy库的ix_函数对多维数组特定行和列进行批量赋值，对比了不同赋值方式的效果，并解释了只读访问的问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

对多行多列同时赋值可使用numpy.ix_

import numpy as np
A=np.zeros((6,6))
print(A)

输出结果为：

array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])

现在对A的第3、4行，第1,2列同时赋值为6，做法是

A[np.ix_([2,3],[0,1])]=6
print(A)

输出结果为

array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [6., 6., 0., 0., 0., 0.],
       [6., 6., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])

需要注意的是

A[[2,3]][:,[0,1]]
#这种方式只有 read-only access（即只读权限），无法对指定的位置赋值

#示例
import numpy as np
A=np.zeros((5,5))
A[[2,3]][:,[0,1]]=6
print(A)

输出结果为

array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])

可以看到A的值并未改变

NumPy ix_() 函数——《Python数学函数库NumPy》
Python老吕的博客
05-22 1465
numpy.ix_函数是一个强大的工具，它简化了在 NumPy 中根据多个条件对多维数组进行索引的过程。通过正确使用和理解该函数的工作原理，用户可以更加高效地处理复杂的多维数据，并在数据分析和科学计算中实现灵活的索引操作。然而，也需要注意其局限性和替代方案，以便根据具体需求选择最适合的方法。通过不断实践和探索，用户可以充分发挥ix_函数在数据处理中的潜力，并提升代码的可读性和效率。👨‍💻博主Python老吕评论，您的举手之劳将对我提供了无限的写作动力！🤞🔥《Python全栈工程师》
【体会Python之美】【numpy】帮助函数:numpy.info()，numpy.lookfor()
蔚蓝的天空Tom
02-28 4020
numpy.info()查看函数的帮助文档使用方法numpy.info(numpy.where)示例：>>> import numpy >>> from numpy import where >>> numpy.info(numpy.where) where(condition, [x, y]) Return elements, either...
python中ix用法_Python numpy.ix_() 使用实例
weixin_39879219的博客
12-08 1418
The following are code examples for showing how to use . They are extracted from open source Python projects. You can vote up the examples you like or vote down the exmaples you don’t like. You can al...
numpy.ix_()函数
u011699626的博客
11-23 1530
调用方法： numpy.ix_(*args) 各个参数意义 args：1-D sequences，应该为整数或者布尔数 有返回值，返回一个ndarray元组，n个array返回的元组就是n维的 代码如下： # -*- coding:utf-8 -*- """ author: 15025 time: 2020/11/19 12:21 software: PyCharm Description: """ import numpy as np class Numpy: @staticmethod
python np_ix索引器
weixin_37763484的博客
11-24 431
以学生成绩为例，现在有学生成绩如下： names = np.array(['joe','anne','tom']) scores = np.array([ [80,85,89], [79,89,90], [88,76,89] ]) classes = np.array(['语文','数学','英语']) print(names) print(scores) print(c...
numpy--np.ix_()用法
weixin_44048781的博客
12-19 3449
原理：np.ix_函数就是输入两个数组，产生笛卡尔积的映射关系 给出以下的例子： import numpy as np x=np.arange(32).reshape((8,4)) print (x[np.ix_([1,5,7,2],[0,3,1,2])]) 结果如下： [[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]] ...
Python-Numpy初学
ShilohXiang的博客
08-09 771
初学Numpy，记录一下自己对Numpy一些操作的理解，避免过后忘了orz （文笔不好尽请谅解orz，如果有错误的地方还请各位帮忙纠正，谢谢~）   教程网站：Numpy快速上手指南 --- 基础篇 https://www.kesci.com/home/project/59ed832d18ec724555a9a968                   Numpy快速上手指南 --- 进阶...
Python数据分析系列（四 ）：python数据结构 — Numpy中的ndarray（数组）的使用
sodaloveer的博客
04-30 1998
本文主要介绍 Numpy中的ndarray（数组）的使用，其中包括用于数组创建，常用的数组算法（如排序集合运算），数组描述统计，数据聚合或分组运算，数据集的合并/连接运算的数据对齐和关系型数据运算等等。
python批处理栅格转点_python-将numpy打开网格转换为坐标
weixin_39574065的博客
12-21 401
方法1使用np.meshgrid,然后堆叠-r,c = np.meshgrid(*m)out = np.column_stack((r.ravel('F'), c.ravel('F') ))方法2或者,使用np.array()然后进行转置,重塑-np.array(np.meshgrid(*m)).T.reshape(-1,len(m))对于np.ix_中使用的通用数组数目的通用情况,这里是需要进行...
import cv2 import numpy as np import math class CDomPho: def __init__(self): # 初始化所有参数 self.m_f = self.m_Pxz = self.m_k1 = self.m_k2 = self.m_p1 = self.m_p2 = 0.0 self.m_X0 = self.m_Y0 = 0.0 self.m_cols = self.m_rows = 0 self.m_aopX = self.m_aopY = self.m_aopZ = self.m_aopP = self.m_aopO = self.m_aopK = 0.0 self.m_rotM = np.zeros(9) self.m_ref = np.zeros(6) def POK2M(self, p, o, k, r): """计算旋转矩阵""" cosp = math.cos(p) cosw = math.cos(o) cosk = math.cos(k) sinp = math.sin(p) sinw = math.sin(o) sink = math.sin(k) r[0] = cosp * cosk - sinp * sinw * sink r[1] = -cosp * sink - sinp * sinw * cosk r[2] = -sinp * cosw r[3] = cosw * sink r[4] = cosw * cosk r[5] = -sinw r[6] = sinp * cosk + cosp * sinw * sink r[7] = -sinp * sink + cosp * sinw * cosk r[8] = cosp * cosw def SetPara(self, aopX, aopY, aopZ, aopP, aopO, aopK, f, pxz, cols, rows, k1, k2, p1, p2, X0, Y0): """设置相机参数""" self.m_rotM = np.zeros(9) self.POK2M(aopP, aopO, aopK, self.m_rotM) self.m_aopX, self.m_aopY, self.m_aopZ = aopX, aopY, aopZ self.m_aopP, self.m_aopO, self.m_aopK = aopP, aopO, aopK self.m_f, self.m_Pxz = f, pxz self.m_k1, self.m_k2, self.m_p1, self.m_p2 = k1, k2, p1, p2 self.m_X0, self.m_Y0 = X0, Y0 self.m_cols, self.m_rows = cols, rows # 计算参考参数 self.m_ref[0] = -(cols / 2) * pxz self.m_ref[1] = pxz self.m_ref[2] = 0 self.m_ref[3] = -(rows / 2) * pxz self.m_ref[4] = 0 self.m_ref[5] = -pxz def Scan2Pho(self, scX, scY): """扫描坐标转像平面坐标""" phoX = self.m_ref[0] + self.m_ref[1] * scX - self.m_ref[2] * scY phoY = self.m_ref[3] + self.m_ref[4] * scX - self.m_ref[5] * scY # 畸变校正 if abs(self.m_k1) > 1e-12: x, y = phoX, phoY r2 = x * x + y * y r4 = r2 * r2 dx = x * (self.m_k1 * r2 + self.m_k2 * r4) + self.m_p1 * (r2 + 2 * x * x) + 2 * self.m_p2 * x * y dy = y * (self.m_k1 * r2 + self.m_k2 * r4) + self.m_p2 * (r2 + 2 * y * y) + 2 * self.m_p1 * x * y phoX -= dx phoY -= dy return phoX, phoY def Pho2Scan(self, phoX, phoY): """像平面坐标转扫描坐标""" # 畸变校正（近似迭代） if abs(self.m_k1) > 1e-12: x, y = phoX, phoY r2 = x * x + y * y r4 = r2 * r2 dx0 = x * (self.m_k1 * r2 + self.m_k2 * r4) + self.m_p1 * (r2 + 2 * x * x) + 2 * self.m_p2 * x * y dy0 = y * (self.m_k1 * r2 + self.m_k2 * r4) + self.m_p2 * (r2 + 2 * y * y) + 2 * self.m_p1 * x * y x = phoX + dx0 y = phoY + dy0 r2 = x * x + y * y r4 = r2 * r2 dx = x * (self.m_k1 * r2 + self.m_k2 * r4) + self.m_p1 * (r2 + 2 * x * x) + 2 * self.m_p2 * x * y dy = y * (self.m_k1 * r2 + self.m_k2 * r4) + self.m_p2 * (r2 + 2 * y * y) + 2 * self.m_p1 * x * y phoX += dx phoY += dy # 坐标变换 phoX -= self.m_ref[0] phoY -= self.m_ref[3] tt = self.m_ref[1] * self.m_ref[5] - self.m_ref[2] * self.m_ref[4] scX = (self.m_ref[5] * phoX - self.m_ref[2] * phoY) / tt scY = -(-self.m_ref[4] * phoX + self.m_ref[1] * phoY) / tt return scX, scY def PhoZ2Grd(self, px, py, gz): """像平面坐标转地面坐标""" A = self.m_rotM[0] * px + self.m_rotM[1] * py - self.m_rotM[2] * self.m_f B = self.m_rotM[3] * px + self.m_rotM[4] * py - self.m_rotM[5] * self.m_f C = self.m_rotM[6] * px + self.m_rotM[7] * py - self.m_rotM[8] * self.m_f if abs(C) > 1e-12: N = (gz - self.m_aopZ) / C else: N = 0.0 gx = self.m_aopX + A * N gy = self.m_aopY + B * N return gx, gy def Grd2Pho_(self, gx, gy, gz): """地面坐标转像平面坐标""" dx = gx - self.m_aopX dy = gy - self.m_aopY dz = gz - self.m_aopZ denom = self.m_rotM[2] * dx + self.m_rotM[5] * dy + self.m_rotM[8] * dz fm = -self.m_f / denom if abs(denom) > 1e-12 else 0 px = (self.m_rotM[0] * dx + self.m_rotM[3] * dy + self.m_rotM[6] * dz) * fm py = (self.m_rotM[1] * dx + self.m_rotM[4] * dy + self.m_rotM[7] * dz) * fm return px, py def ImgZ2Grd(self, xyz): """图像坐标转地面坐标""" results = [] for i in range(0, len(xyz), 3): scX, scY, Z = xyz[i], xyz[i + 1], xyz[i + 2] phoX, phoY = self.Scan2Pho(scX, scY) gx, gy = self.PhoZ2Grd(phoX, phoY, Z) results.extend([gx, gy, Z]) return results def Grd2Img(self, gx, gy, gz): """地面坐标转图像坐标""" px, py = self.Grd2Pho_(gx, gy, gz) scX, scY = self.Pho2Scan(px, py) return scX, scY # 主程序 if __name__ == "__main__": # 读取参数文件 with open(r'D:\shuiwei\para.txt') as file: file.readline() # 跳过第一行 params = list(map(float, file.readline().split())) # 解析参数 aopX, aopY, aopZ, aopP, aopO, aopK = params[0:6] f, Pxz, k1, k2, p1, p2, X0, Y0 = params[6:14] # 读取原始影像 m_img = cv2.imread(r'D:\shuiwei\1.jpg') if m_img is None: raise FileNotFoundError("无法读取图像文件 ") rows, cols = m_img.shape[:2] dompho = CDomPho() dompho.SetPara(aopX, aopY, aopZ, aopP, aopO, aopK, f, Pxz, cols, rows, k1, k2, p1, p2, X0, Y0) # 四个角点坐标（扫描坐标）和地面高度 corPt = [0.0, 0.0, 64.3, cols, 0,64.3, 0, rows,64.3, cols, rows,64.3] # 计算地面坐标 grd_coords = dompho.ImgZ2Grd(corPt) # 计算地面范围 gxs = grd_coords[0::3] gys = grd_coords[1::3] mingx, maxgx = min(gxs), max(gxs) mingy, maxgy = min(gys), max(gys) dx = maxgx - mingx dy = maxgy - mingy # 创建正射影像 resolution = 0.5 # 地面分辨率(米/像素) domCols = int(dx / resolution) + 1 domRows = int(dy / resolution) + 1 domImg = np.zeros((domRows, domCols, 3), dtype=np.uint8) h = 64.3 # 地面高度 gy = mingy # 进度计数器 total_pixels = domRows * domCols processed = 0 for r in range(domRows): gx = mingx for c in range(domCols): # 地面坐标转图像坐标 ix, iy = dompho.Grd2Img(gx, gy, h) # 最近邻插值 i = int(ix + 0.5) j = int(iy + 0.5) # 检查边界 if 0 <= i < cols and 0 <= j < rows: # 注意坐标转换：OpenCV原点在左上角，扫描坐标系原点在左下角 domImg[r, c] = m_img[rows - 1 - j, i] gx += resolution processed += 1 # 显示进度 if processed % 10000 == 0: percent = processed / total_pixels * 100 print(f"处理进度: {percent:.2f}%") gy += resolution # 显示和保存结果 cv2.imshow('Orthophoto', domImg) cv2.waitKey(0) cv2.imwrite('orthophoto_result.jpg', domImg) print("正射影像生成完成！") 生成的图片显示方式，无法仔细观察，能不能做成可以旋转和缩放的，但是不能改变分辨率
最新发布
06-26
因此，我建议在程序中提供基本的缩放和平移功能，而旋转功能可以通过保存图像后由用户使用其他软件进行。使用matplotlib可以轻松实现缩放和平移。修改最后显示和保存的部分，使用matplotlib来显示图像，这样用户可以...
numpy.ix_的用法详解
qq_30230591的博客
04-08 2159
import numpy as np x=np.arange(32).reshape((8,4)) print (x[np.ix_([1,5,7,2],[0,3,1,2])]) x的矩阵是： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28...
学习Python数据分析随手笔记【三】numpy数组的函数ix_()
qq_36402474的博客
03-21 2374
今天我去图书馆借了一本Python DataAnalysis的书 那今天来说一个关于numpy库的内容。当然 课本给出的是著名的lena图片。不过在pycharm上运行的时候发现它报错了。随即就去查看了scipy的文件搜寻了半天。原来在新版本的scipy中已经将lena移除，不过再细心一看，就发现了一个ascent的文件。Show一哈子就发现了 lane已经被替换成了这样的一个图片。Emm好吧 就...
numpy ix_ 学习记录
IAlexanderI的专栏
12-30 703
官网上给出的例子 >>> a = np.arange(10).reshape(2, 5)  >>>a  array([[0, 1, 2, 3, 4],  [5, 6, 7, 8, 9]])  >>>ixgrid = np.ix_([0, 1], [2, 4])  >>>ixgrid  (array([[0],  [1]]), array([[2, 4]]))  #也就是说
numpy 花式索引，ix_
TH_NUM的博客
05-15 976
#coding:utf-8 import numpy as np b=np.arange(12).reshape(3,4) print(b.flat) for i in b.flat: print(i) f=b.flat b.flat=7 print(b) a=[1,2,3] b=[4,5,6] c=(a,b) print(np.ix_(a,b)) f=np.arange(12) ...
numpy-np.ix_函数的使用
zlibo丶的博客
01-12 631
官方文档：https://numpy.org/doc/stable/reference/generated/numpy.ix_.html#numpy.ix_，给出的用法是： numpy.ix_(*args) ''' Construct an open mesh from multiple sequences. This function takes N 1-D sequences and returns N outputs with N dimensions each, such that the s
numpy中的np.ix_的用法
weixin_43213268的博客
03-31 1万+
其实就是相当于花式索引，会增加可读性，给出下面的例子 import numpy as np a=np.arange(10).reshape(2,5) a[np.ix_([0,1],[2,3])]=2 print(a) 结果如下： array([[0, 1, 2, 2, 4], [5, 6, 2, 2, 9]]) 需要注意的是： A[[2,3]][:,[0,1]] #这种方式只有 read-on...
python pandas中的ix，loc和iloc
热门推荐
seanb的博客
12-17 1万+
环境：python 3.4 + pandas 0.19.1 先看一下官方文档对这3个api的描述： DataFrame.ix A primarily label-location based indexer, with integer position fallback.【支持根据索引值，或者按顺序位置定位】.ix[] supports mixed integer and lab
numpy 的高级索引，使用整数组索引，加不加numpy.ix_() 有什么区别
marksim的博客
11-18 1116
当在numpy中，使用整数索引，有个地方需要注意。 import numpy as np nda = np.arange(36) nda = nda.reshape(3,4,3) 数据是这样的： array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11]], [[12, 13, 14], [15, 16, 17], [18, 19, 20...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值