假设我们有一个n*n
网格。我们想选择k << n
这个网格的不相邻的随机单元格。如果我们用一个包含0
和1
的2D Numpy数组来模拟这个网格,在Numpy/Python中这样做的最有效方法是什么?像素网格中非相邻单元的随机采样
有效例子:
非有效实例:
假设我们有一个n*n
网格。我们想选择k << n
这个网格的不相邻的随机单元格。如果我们用一个包含0
和1
的2D Numpy数组来模拟这个网格,在Numpy/Python中这样做的最有效方法是什么?像素网格中非相邻单元的随机采样
有效例子:
非有效实例:
这里是一个简单的实现拒绝抽检。由于您只想测试此距离阈值内是否至少有一对,因此可能会有一种比query_pairs
事件(在这种情况下还会检查冲突)更快的方式进行邻接检查。
import numpy as np
from scipy.spatial import cKDTree as kdtree
n = 100
k = 50
valid = False
while not valid:
# generate k grid indices
coords_flat = np.random.random_integers(0, n ** 2 - 1, size=k)
coords = np.unravel_index(coords_flat, dims=(n, n))
# test there are no adjacent cells
transposed = np.transpose(coords)
valid = len(kdtree(transposed).query_pairs(1.0)) == 0
print(coords)
考虑看看结果:
import matplotlib.pyplot as plt
grid = np.zeros((n, n), dtype=np.bool)
grid[coords] = True
plt.imshow(grid)
plt.savefig('result.png')
我看到了,这已经是一个公认的答案,但它是一个艰巨的任务,所以我解决了如下,我喜欢它,因此我给了一个upvote问题:):
import numpy as np
xy = []
x = np.random.randint(0,5)
y = np.random.randint(0,5)
xy.append((x,y))
while True:
x = np.random.randint(0,5)
y = np.random.randint(0,5)
for ii,i in enumerate(xy):
if x in [i[0]-1, i[0], i[0]+1]:
if x == i[0]:
if y in [i[1]-1, i[1], i[1]+1]:
break
else:
if ii == len(xy) - 1:
xy.append((x,y))
break
elif y == i[1]:
break
elif ii == len(xy) - 1:
xy.append((x,y))
break
if len(xy) == 3:
break
for cords in xy:
print cords
sq =np.zeros((5,5))
for cords in xy:
sq[cords] = 1
print sq
输出:
(1, 0)
(4, 4)
(4, 1)
[[ 0. 0. 0. 0. 0.]
[ 1. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 1.]]
它总是提供了非相邻小区的随机组合。 享受它! :)
你想从什么分布?你是否想从包含所有非相邻像素k元组的空间中获得均匀样本,因为这些组合采样问题可能非常困难(例如采样矩阵具有固定的行和列总和),即使它们看起来像容易在第一腮红。 – ely
@ Mr.F我正在寻找统一的样品。我不是在寻找所有的k元组。只有一个非相邻像素的k元组很好。 –
如果您的网格中的单元格非常稀疏,那么我只会进行拒绝采样。通过统一采样生成一些候选点,然后检查它们中的任何一个是否相邻,重复直到找到一组有效的点。您可以检查稀疏数据(即点坐标),而不是检查完整的n * n网格。 – YXD