检查一个numpy数组的所有边界是否都为0 [关闭]

检查多维numpy数组的所有面是否都为0的最快方法是什么？

因此，对于一个简单的2D示例，我有：

x = np.random.rand(5, 5)
assert np.sum(x[0:,  0]) == 0
assert np.sum(x[0,  0:]) == 0
assert np.sum(x[0:, -1]) == 0
assert np.sum(x[-1, 0:]) == 0

虽然这对于正确的2D案例来说是可以的，但是为更大的尺寸编写代码有点乏味，我想知道是否可以使用一些聪明的numpy技巧来使它高效且可维护。

方法如下：

assert(all(np.all(np.take(x, index, axis=axis) == 0)
           for axis in range(x.ndim)
           for index in (0, -1)))

np.take 与“花式”索引功能相同。

这是一个实际上检查您感兴趣的数组部分的答案，并且不会浪费时间来构造整个数组大小的蒙版。有一个Python级循环，但是很短，迭代与维数成正比，而不是数组的大小成比例。

def all_borders_zero(array):
    if not array.ndim:
        raise ValueError("0-dimensional arrays not supported")
    for dim in range(array.ndim):
        view = numpy.moveaxis(array, dim, 0)
        if not (view[0] == 0).all():
            return False
        if not (view[-1] == 0).all():
            return False
    return True

我重塑了数组，然后遍历它。不幸的是，我的答案假设您至少具有三个维，并且对于正常矩阵会出错，因此您必须为1和2维形状的数组添加一个特殊子句。此外，这将很慢，因此可能会有更好的解决方案。

x = np.array(
        [
            [
                [0 , 1, 1, 0],
                [0 , 2, 3, 0],
                [0 , 4, 5, 0]
            ],
            [
                [0 , 6, 7, 0],
                [0 , 7, 8, 0],
                [0 , 9, 5, 0]
            ]
        ])

xx = np.array(
        [
            [
                [0 , 0, 0, 0],
                [0 , 2, 3, 0],
                [0 , 0, 0, 0]
            ],
            [
                [0 , 0, 0, 0],
                [0 , 7, 8, 0],
                [0 , 0, 0, 0]
            ]
        ])

def check_edges(x):

    idx = x.shape
    chunk = np.prod(idx[:-2])
    x = x.reshape((chunk*idx[-2], idx[-1]))
    for block in range(chunk):
        z = x[block*idx[-2]:(block+1)*idx[-2], :]
        if not np.all(z[:, 0] == 0):
            return False
        if not np.all(z[:, -1] == 0):
            return False
        if not np.all(z[0, :] == 0):
            return False
        if not np.all(z[-1, :] == 0):
            return False

    return True

哪个会产生

>>> False
>>> True

基本上，我将所有尺寸堆叠在一起，然后查看它们以检查其边缘。

也许省略号运算符正是您要寻找的，它将在许多方面适用：

import numpy as np

# data
x = np.random.rand(2, 5, 5)
x[..., 0:, 0] = 0
x[..., 0, 0:] = 0
x[..., 0:, -1] = 0
x[..., -1, 0:] = 0

test = np.all(
    [
        np.all(x[..., 0:, 0] == 0),
        np.all(x[..., 0, 0:] == 0),
        np.all(x[..., 0:, -1] == 0),
        np.all(x[..., -1, 0:] == 0),
    ]
)

print(test)

您可以使用slice和布尔掩码来完成工作：

def get_borders(arr):
    s=tuple(slice(1,i-1) for i in a.shape)
    mask = np.ones(arr.shape, dtype=bool)
    mask[s] = False
    return(arr[mask])

此函数首先将数组的“核心”整形为元组s，然后构建True仅显示边界点的蒙版。然后，布尔索引将提供边界点。

工作示例：

a = np.arange(16).reshape((4,4))

print(a)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

borders = get_borders(a)
print(borders)
array([ 0,  1,  2,  3,  4,  7,  8, 11, 12, 13, 14, 15])

然后，np.all(borders==0)将为您提供所需的信息。

注意：这对于一维数组来说很困难，尽管我认为这是一个边缘情况。您最好检查一下有问题的两点