如何将具有坐标和频率的字典转换为矩阵？

Question

我有一本看起来像这样的字典：

data = {(-1.0, 4.0): 1, (2.0, 2.0): 12, (3.0, 1.0): 8}

我想制作一个如下所示的矩阵：

[[0. 0. 0. 0. 0.]
 [1. 0. 0. 0. 0.]
 [0. 0. 0. 12. 0.]
 [0. 0. 0. 0. 8.]
 [0. 0. 0. 0. 0.]]

字典中的每个键在我的矩阵中都是“坐标”（从左下角开始），轴的限制由我定义（xlim：-3、13、ylim：-6、8）未显示。

我尝试过这样做：

matrix = np.zeros((5,5))
for (x, y), z in data.items():
    x = int(x)
    y = int(y)

    matrix[y,x] = z

但是我遇到了负尺寸错误。

我的最终目标是将我的字典绘制为某种直方图，其中坐标为 x,y，字典值 (freq) 为我的 z 维度或“深度”。

Answer 1

与已经建议的类似，将矩阵“移动”到正区域，然后使用 x 和 y 偏移定位坐标：

import numpy as np
data = {(-1.0, 4.0): 1, (2.0, 2.0): 12, (3.0, 1.0): 8}
x_offset = 3
y_offset = 6
mat = np.zeros((17, 15))
for (x, y), z in data.items():
    mat[int(y + y_offset), int(x + x_offset)] = z

编辑

好的，我想这就是您的想法（我假设 x 和 y 坐标中都存在负值）：

如果您想硬编码 x 和 y 值的范围（xlim：-3、13，ylim：-6、8）：

x_min, x_max = -3, 13
y_min, y_max = -6, 8

或者从数据中确定它们：

x_min = min([x for (x, y), z in data.items()])
y_min = min([y for (x, y), z in data.items()])
x_max = max([x for (x, y), z in data.items()])
y_max = max([y for (x, y), z in data.items()])

然后使用：

x_offset = abs(x_min)
y_offset = abs(y_min)

mat = np.zeros((y_max + y_offset + 1, x_max + x_offset + 1))    # (Row, column) becomes (y, x)

for (x, y), z in data.items():
    print(x, y)
    mat[int(y + y_offset), int(x + x_offset)] = z

pd.DataFrame(mat, columns=range(x_min, x_max + 1), 
                  index=range(y_min, y_max + 1))

然后使用：

plt.imshow(mat, origin='lower', extent=[x_min, x_max + 1, 
                                        y_min, y_max + 1])

Answer 2

numpy 允许负索引 那么你可以使用：

np.rot90(matrix, 1)

将 [0,0] 移动到左下角

Answer 3

Numpy 不会在负索引上给出错误，但它会从最后一个索引，这不是你想要的。 您为矩阵选择了错误的维度。以下代码计算矩阵的大小以适合您的所有位置，然后移动您的位置坐标以适合矩阵，在本例中为 -3 和 -6

xlim = (-3, 13)
ylim = (-6,8)

# your array dimension must be
dim = xlim[1] - xlim[0], ylim[1]-ylim[0]

matrix = np.zeros(dim)

for (x, y), z in data.items():
    # this will also work for +ve lower limit
    x_new = int(x-xlim[0])
    y_new = int(y-ylim[0])

    # negetive sign because we want the index to start from bottom left
    matrix[-x_new, y_new] = z

print(matrix)


# if you want to remove rows and colums with all zeros
new_matrix = matrix[np.sum(matrix, axis=1)>0]
new_matrix = new_matrix[:,np.sum(matrix, axis=0)>0].copy()
print("\n",new_matrix)