使用 Numpy 快速索引

【问题标题】：Fast indexing with Numpy使用 Numpy 快速索引
【发布时间】：2020-10-19 10:51:33
【问题描述】：

我有一个包含一些像素索引的数组和一个二进制图像。我想根据相应图像点的图像值过滤第一个数组。目前我正在做以下事情：

mask = np.random.rand(512, 512)
mask[mask < 0.5] = 0
mask[mask >= 0.5] = 1

x = np.random.randint(0, mask.shape[0], 10)
y = np.random.randint(0, mask.shape[1], 10)
img_pts = np.vstack([x, y]).T

occ = np.zeros(len(img_pts))
for i, img_pt in enumerate(img_pts):
    if mask[img_pt[1], img_pt[0]]:
        occ[i] = 1

绝对不是最好的方法。有更快的方法吗？

【问题讨论】：

标签： python performance numpy indexing

【解决方案1】：

将它们都作为数组，只需使用 img_pts 索引到 mask -

occ = mask[tuple(img_pts.T[::-1])]

或者-

occ = mask[img_pts[:,1],img_pts[:,0]]

要获得int 的最终输出，请附加.view('i1')。或者对于float，使用.astype(float) 转换为浮点数。

【讨论】：