在没有迭代的情况下查找一维数组中零之间的值的质心答案

【问题标题】：Finding the centroid of values between zeros in an 1-D array without iteration在没有迭代的情况下查找一维数组中零之间的值的质心
【发布时间】：2021-11-18 11:20:08
【问题描述】：

我目前正在尝试数据系列，例如：

a = np.array([0,0,0,8,13,12,5,0,0,05,6,8,14,0,0,0])

获取零之间的每个数字集合的质心以及它们在数组中的位置。在这里，职位对我来说更重要——我还没有找到解决这个问题的好方法。

【问题讨论】：

“零之间的每个数字集合”是什么意思？能举个例子吗？
感谢您的回复。例如，这里的数字集合是 8,13,12,5。所以质心将位于数字 13 的位置。第二个数字集体 wuold 是 5、6、8、14，这里的质心将是 8。大约是 50% 之间的零之间的数字的累积值。希望我能解释得足够好
请阅读stackoverflow.com/questions/70012889/…。这基本上是完全相同的问题，但在 2D 中（今天发布的类似其他问题）。

标签： python numpy centroid

【解决方案1】：

您可以执行以下操作：

查找非零项的索引：

arr = np.array([0,0,0,8,13,12,5,0,0,0,5,6,8,14,0,0,0])
idx = np.flatnonzero(x!=0)
>>> idx
array([ 3,  4,  5,  6, 10, 11, 12, 13], dtype=int64)

找到边界：

starting_idx = idx[np.diff(idx, prepend=idx[0])!=1]
ending_idx = idx[np.diff(idx, append=idx[-1])!=1]
bounding_idx = np.transpose([starting_idx, ending_idx])
>>> bounding_idx
array([[ 3,  6], [10, 13]], dtype=int64)

获取质心候选者的索引：

c = np.mean(bounding_idx, axis=1)
c1 = np.floor(c).astype(int)
c2 = np.ceil(c).astype(int)
candidate_idx = np.transpose([c1, c2])
>>> candidate_idx
array([[ 4,  5], [11, 12]])

自己寻找候选人：

candidates = arr[np.ravel(candidate_idx)].reshape(-1,2)
>>> candidates
array([[13, 12], [ 6,  8]])

查找对应于质心的候选索引：

centroid_idx = np.argmax(candidates, axis=1)
>>> centroid_idx
array([0, 1], dtype=int64)

最后，获取质心及其索引：

>>> candidates[np.arange(len(candidates)), centroid_idx]
array([13,  8])
>>> candidate_idx[np.arange(len(candidate_idx)), centroid_idx]
array([ 4, 12])

【讨论】：

哇，谢谢！这就是我需要的！
不客气！如果它解决了您的问题，请不要忘记投票支持我的答案。