使用 (x,y,value) 三元组的数据创建 Numpy 2D 数组答案

【问题标题】：Create Numpy 2D Array with data from triplets of (x,y,value)使用 (x,y,value) 三元组的数据创建 Numpy 2D 数组
【发布时间】：2016-11-19 10:16:23
【问题描述】：

我在数据库中有很多 (x, y, value) 三元组形式的数据。
我希望能够通过在数组的坐标 (x,y) 处设置 value 来从这些数据动态创建一个 2D numpy 数组。

例如，如果我有：

(0,0,8)
(0,1,5)
(0,2,3)
(1,0,4)
(1,1,0)
(1,2,0)
(2,0,1)
(2,1,2)
(2,2,5)

结果数组应该是：

Array([[8,5,3],[4,0,0],[1,2,5]])

我是 numpy 的新手，numpy 中有什么方法可以这样做吗？如果没有，您建议采用什么方法？

【问题讨论】：

另外，解释一下你是如何得到结果数组的？
....这就是我要问的......
问题含糊不清...缺少信息。在您的示例中，您正在从 9x3 数组创建一个 3x3 数组……看来您只想要最后一列……但是为什么要创建 3x3 数组？
三元组中的前两个值表示二维数组中的坐标。如果输入有 9 个三元组，则数组将为 3x3，如果输入有 16 个三元组：4x4，等等。

标签： python arrays python-3.x numpy coordinates

【解决方案1】：

这就是你想要的吗？

In [37]: a = np.array([(0,0,8)
   ....:              ,(0,1,5)
   ....:              ,(0,2,3)
   ....:              ,(1,0,4)
   ....:              ,(1,1,0)
   ....:              ,(1,2,0)
   ....:              ,(2,0,1)
   ....:              ,(2,1,2)
   ....:              ,(2,2,5)])

In [38]:

In [38]: a
Out[38]:
array([[0, 0, 8],
       [0, 1, 5],
       [0, 2, 3],
       [1, 0, 4],
       [1, 1, 0],
       [1, 2, 0],
       [2, 0, 1],
       [2, 1, 2],
       [2, 2, 5]])

In [39]:

In [39]: a[:, 2].reshape(3,len(a)//3)
Out[39]:
array([[8, 5, 3],
       [4, 0, 0],
       [1, 2, 5]])

或者更灵活一点（在你的comment之后）：

In [48]: a[:, 2].reshape([int(len(a) ** .5)] * 2)
Out[48]:
array([[8, 5, 3],
       [4, 0, 0],
       [1, 2, 5]])

解释：

这为您提供了第三列（值）：

In [42]: a[:, 2]
Out[42]: array([8, 5, 3, 4, 0, 0, 1, 2, 5])


In [49]: [int(len(a) ** .5)]
Out[49]: [3]

In [50]: [int(len(a) ** .5)] * 2
Out[50]: [3, 3]

【讨论】：

这听起来很棒。你能解释一下你为什么要这么做a[:, 2]吗？

【解决方案2】：

从@MaxU 扩展答案，如果坐标没有以网格方式排序（或者如果缺少某些坐标），您可以按如下方式创建数组：

import numpy as np

a = np.array([(0,0,8),(0,1,5),(0,2,3),
              (1,0,4),(1,1,0),(1,2,0),
              (2,0,1),(2,1,2),(2,2,5)])

这里a 代表你的坐标。它是一个(N, 3) 数组，其中N 是坐标数（它不必包含所有坐标）。 a (a[:, 0]) 的第一列包含 Y 位置，而第二列 (a[:, 1]) 包含 X 位置。同样，最后一列 (a[:, 2]) 包含您的值。

然后您可以提取目标数组的最大维度：

# Maximum Y and X coordinates
ymax = a[:, 0].max()
xmax = a[:, 1].max()

# Target array
target = np.zeros((ymax+1, xmax+1), a.dtype)

最后，用坐标中的数据填充数组：

target[a[:, 0], a[:, 1]] = a[:, 2]

上面的行将a[:, 0]（所有Y）和a[:, 1]（所有X）位置处target中的值设置为其对应的a[:, 2]值（您的值）。 p>

>>> target
array([[8, 5, 3],
       [4, 0, 0],
       [1, 2, 5]])

另外，如果您缺少坐标，并且您想用某个数字替换这些缺失值，您可以将数组初始化为：

default_value = -1
target = np.full((ymax+1, xmax+1), default_value, a.type)

这样，列表中不存在的坐标将在目标数组中填充-1/

【讨论】：

完美，谢谢！我在 numpy (target[a[:, 0], a[:, 1]] = a[:, 2]) 中明显错过了这一点。
@ibi0tux 很高兴它有帮助！这是一个向量化的赋值。它本质上等同于for (y, x, val) in a: target[y, x] = val。但是用矢量化操作替换 for 循环（在 numpy 中要快得多）。
好吧，在这种三元组表示中确实可能缺少坐标，因为它与sparse 表示非常相似。请参阅下文，了解基于此的非常简短的解决方案。

【解决方案3】：

为什么不使用稀疏矩阵？（这几乎就是你的三胞胎的格式。）

首先使用numpy.hsplit() 将三元组拆分为行、列和数据。（使用numpy.squeeze() 将生成的二维数组转换为一维数组。）

>>> row, col, data = [np.squeeze(splt) for splt
...                   in np.hsplit(tripets, tripets.shape[-1])]

使用坐标格式的稀疏矩阵，并将其转换为数组。

>>> from scipy.sparse import coo_matrix
>>> coo_matrix((data, (row, col))).toarray()
array([[8, 5, 3],
       [4, 0, 0],
       [1, 2, 5]])

【讨论】：