如何在Python中使用2x2数组来创建一个巨大的二维数组来创建字典？ （Python的模板算法）

Question

我对编程颇为陌生，所以我很抱歉如果这是一个经典而平凡的问题。我有一个100x100 2D值数组，这是通过matplotlib绘制的。在此图像中，每个单元格的值（范围从0.0到1.0）和ID（从左上角开始的范围为0到9999）。我想通过使用2×2的移动，其产生两个字典窗口采样矩阵：

• 第一词典：键表示4个细胞的交点;该值表示具有4个相邻单元的ID的元组（参见下图 - ，该交点由“N”表示）;
• 第2个字典：该键代表4个单元格的交集;该值代表4个相邻单元的平均值（见下图）。

在下面的例子（左上面板），其中N具有ID = 0时，第一词典将产生 {'0': (0,1,100,101)}由于细胞被编号为0至99朝向右手侧和0至9900，步骤= 100，向下。第二个字典将产生{'0': 0.775}，因为0.775是N的4个相邻单元的平均值。当然，这些字典必须具有与我在2D阵列上具有的“交集”一样多的密钥。

这个如何实现？在这种情况下，字典是最好的“工具”吗？感谢你们！

PS： 我想我自己的方式，但我的代码是不完整的，错误的，我不能左右它让我的头：

a=... #The 2D array which contains the cell values ranging 0.0 to 1.0 
neigh=numpy.zeros(4) 
mean_neigh=numpy.zeros(10000/4) 
for k in range(len(neigh)): 
    for i in a.shape[0]: 
     for j in a.shape[1]: 
      neigh[k]=a[i][j] 
      ... 

Answer 1

好，字典实际上可能成为你的案例。

你确定你使用的numpy.array格式是正确的吗？我在API中找不到任何数组（（int，int））形式。反正...

做什么，一旦你有你的二维数组声明

为了使事情变得有序，让我们两个功能，将与任何正方形二维数组工作，返回你所需要的两个库：

#this is the one that returns the first dictionary 
def dictionarize1(array): 
    dict1 = {} 
    count = 0 
    for x in range(len(array[0]) - 1) : 
     for y in range(len(array[0]) - 1): 
      dict1[count] = [array[x][y], array[x][y+1], array[x+1][y], array[x + 1][y+1]] 
      count = count + 1 
    return dict1 

def dictionarize2(array): 
    dict2 = {} 
    counter = 0 
    for a in range(len(array[0]) - 1) : 
     for b in range(len(array[0]) - 1): 
      dict2[counter] = (array[a][b] + array[a][b+1] + array[a+1][b] + array[a + 1][b+1])/4 
      counter = counter + 1 
    return dict2 

#here's a little trial code to see them working 

eighties = [[2.0, 2.2, 2.6, 5.7, 4.7], [2.1, 2.3, 2.3, 5.8, 1.6], [2.0, 2.2, 2.6, 5.7, 4.7],[2.0, 2.2, 2.6, 5.7, 4.7],[2.0, 2.2, 2.6, 5.7, 4.7]] 
print("Dictionarize1: \n") 
print(dictionarize1(eighties)) 
print("\n\n") 
print("Dictionarize2: \n") 
print(dictionarize2(eighties)) 
print("\n\n") 

相比第一码，我用一个整数作为关键原因Python会打印在这种情况下，排序的字典者优先（字典的定义不排序，但如果他们有一个整型键Python会打印出来整理按键）。但是，您可以像以前一样使用str（count）将其更改回字符串。

我希望这会有所帮助，现在我对数学库不太实用，但是我写的代码应该可以很好地适用于任何您想要作为输入的2D方阵。

Answer 2

比方说data是原始的numpy.array，行和列的尺寸为dr和dc。

dr = data.shape[0] 
dc = data.shape[1] 

您可以产生Keys作为利润回报和Values指数与4个相邻小区的计算平均列表的功能。 在这种情况下，Keys等于：

def Keys(x): 
    xmod = x + (x+1)/dc # dc is in scope 
    return [xmod, xmod + 1, xmod + dc, xmod + 1 + dc] 

的Values的尺寸等于dr-1 * dc-1由于不包括在最后的行和列。我们可以计算它的移动平均线，重塑以1D后，（灵感来自于link）：

Values = ((d[:-1,:-1] + d[1:,:-1] + d[:-1,1:] + d[1:,1:])/4).reshape((dr-1)*(dc-1)) 

例子：

dr = 3 
dc = 5 

In: np.array(range(dc*dr)).reshape((dr, dc)) # data 
Out: 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14]]) 

In: [Keys(x) for x in range((dr-1)*(dc-1))] 
Out: 
    [[0, 1, 5, 6], 
    [1, 2, 6, 7], 
    [2, 3, 7, 8], 
    [3, 4, 8, 9], 
    [5, 6, 10, 11], 
    [6, 7, 11, 12], 
    [7, 8, 12, 13], 
    [8, 9, 13, 14]] 

In: Values 
Out: array([ 3, 4, 5, 6, 8, 9, 10, 11])