Python - 计算 NumPy 数组中元素和邻居的平均绝对差答案

【问题标题】：Python - compute average absolute difference of element and neighbors in NumPy arrayPython - 计算 NumPy 数组中元素和邻居的平均绝对差
【发布时间】：2021-11-14 13:20:43
【问题描述】：

我正在寻找一种方法来计算 NumPy 数组中相邻元素之间的平均绝对差。即，给定一个数组，如

[[1, 2, 3],
 [4, 5, 6],
 [7, 8, 9]]

中间正方形的值为 2.5（又名(4+3+2+1+1+2+3+4)/8）。我知道使用 SciPy 的 correlate2d 您可以计算平均差异，但据我所知，不是平均 absolute 差异（即对于上面的示例，correlate2d 将给出 0 - @987654325 @ - 不是 2.5)。

在 Python 中有没有一种快速的方法来做到这一点？我不想遍历元素，因为这将多次运行非常大的数组。

【问题讨论】：

标签： python arrays numpy scipy

【解决方案1】：

为什么不手写并numba.jit结果呢？

arr = (np.arange(10**6)+1).reshape(10**3,10**3)

@nb.njit
def get_avg_abs_diff(arr):
    n,m = arr.shape
    out = np.empty((n,m))
    for i in range(n):
        for j in range(m):
            a = max(0,i-1)
            b = i+2
            c = max(0,j-1)
            d = j+2
            neighbours = arr[a:b,c:d]
            out[i,j] = np.sum(np.abs(neighbours-arr[i,j]))/(neighbours.shape[0]*neighbours.shape[1]-1)
    return out

get_avg_abs_diff(arr)

对于 1000 x 1000 阵列，这大约需要 160 毫秒（低于需要 10.6 秒的非 jited 版本）。

我得到你的数组

array([[2.66666667, 2.2       , 2.        ],
       [2.6       , 2.5       , 2.6       ],
       [2.        , 2.2       , 2.66666667]])

【讨论】：

这行得通——仍然没有correlate2d那么快，但已经足够好了！谢谢！