Python脚本返回一个数组而不是单个值

我有一个使用numpy的Python脚本，它应该在返回单个值之前拍摄图像并执行一些计算。当我单独执行每条线时，它按预期工作。当我将它放在一个.py脚本中并从命令行或Canopy内运行时，它将返回一个数组。Python脚本返回一个数组而不是单个值

我已经修改了代码略微不要求通常的图像输入，结果是一样的：

import numpy as np 

# Instead of loading an image, generate a test case (w or wo structured noise) 
roi = np.random.poisson(38,(256,256)); 
blob = np.random.poisson(5,(128,128)); 
roi[64:192,64:192] = roi[64:192,64:192]+blob; 
# Load the other variables if necessary (i.e., no DICOM to load) 
[xDim,yDim] = [512,512]; 
roiLength = xDim/2; 
pix = 1.18958; 

# Declare memory for the FFTs 
sizeFFT = xDim; 
NPS2D = np.zeros((sizeFFT,sizeFFT)); # declare memory for fft results 
fftslice = np.zeros((sizeFFT,sizeFFT)); 

# Set the dimension of the ROI and pull the pixel size. This will be 
# used for the scaling factor in the 2D NPS. 
deltaX = pix; 
deltaY = pix; 
scaleFactor = (deltaX/roiLength)*(deltaY/roiLength); 

# Calculate the NPS 
roiMean = np.mean(roi); 
fftslice = np.fft.fft2((roi-roiMean),s=[sizeFFT,sizeFFT]); 
NPS2D = scaleFactor*np.fft.fftshift(np.multiply(fftslice,np.conj(fftslice))); 
NPS2D = NPS2D.real; 

# Subtract the white noise from the NPS to get the structured NPS 
stNPS = NPS2D - roiMean*deltaX*deltaY; 

# Calculate SNI 
SNI=sum(stNPS)/sum(NPS2D); 

# Display the result 
print SNI;

如果我执行每一行是0.107213670449（或类似的，因为它是再生结果随机数组）。如果我使用python foo.py从命令行运行脚本，或单击Canopy中的播放按钮，结果是一个512长度的数组[4.64940089e-03 ... -4.59789051e-02 -7.15113682e-02]，我已经手动删除了509个条目。

有什么想法？我错过了明显的东西吗？

来源

2015-04-06 Nick Bevins

使用内置sum功能比使用numpy.sum或数组的sum方法不同。

对>一维数组，python的sum会给一个非常不同的结果：

In [1]: import numpy as np 

In [2]: x = np.arange(100).reshape(10, 10) 

In [3]: x 
Out[3]: 
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14, 15, 16, 17, 18, 19], 
     [20, 21, 22, 23, 24, 25, 26, 27, 28, 29], 
     [30, 31, 32, 33, 34, 35, 36, 37, 38, 39], 
     [40, 41, 42, 43, 44, 45, 46, 47, 48, 49], 
     [50, 51, 52, 53, 54, 55, 56, 57, 58, 59], 
     [60, 61, 62, 63, 64, 65, 66, 67, 68, 69], 
     [70, 71, 72, 73, 74, 75, 76, 77, 78, 79], 
     [80, 81, 82, 83, 84, 85, 86, 87, 88, 89], 
     [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]]) 

In [4]: sum(x) 
Out[4]: array([450, 460, 470, 480, 490, 500, 510, 520, 530, 540]) 

In [5]: x.sum() 
Out[5]: 4950 

In [6]: np.sum(x) 
Out[6]: 4950

这是因为Python的总和基本上总结for循环在对象上。

循环> 1d数组将沿第一个轴返回切片。例如。

In [7]: for item in x: 
    ...:  print item 
    ...: 
[0 1 2 3 4 5 6 7 8 9] 
[10 11 12 13 14 15 16 17 18 19] 
[20 21 22 23 24 25 26 27 28 29] 
[30 31 32 33 34 35 36 37 38 39] 
[40 41 42 43 44 45 46 47 48 49] 
[50 51 52 53 54 55 56 57 58 59] 
[60 61 62 63 64 65 66 67 68 69] 
[70 71 72 73 74 75 76 77 78 79] 
[80 81 82 83 84 85 86 87 88 89] 
[90 91 92 93 94 95 96 97 98 99]

在这种情况下，Python的sum有效地给你列的款项（即row1 + row2 + row3 ...）

来源

2015-04-06 13:56:16

感谢注意到，。我从MATLAB修改了这段代码，由于使用逐行执行方法在python中工作，我没有添加np。这两种执行方法之间'sum'的工作方式有什么不同？ – 2015-04-06 14:02:27

SNI=sum(stNPS)/sum(NPS2D)

以默认python方式跨列进行求和。所以，你会得到长度为512

数组而是尝试从sum numpy的

SNI=stNPS.sum()/NPS2D.sum()

来源

2015-04-06 13:56:08 Zero

Python脚本返回一个数组而不是单个值

回答

相关问题