NumPy 最近邻线拟合穿过移动窗口-解网

问：

我将两个二维数组加载到 NumPy 中，它们的大小均为 80i x 80j。我希望对这些数组进行移动窗口多边形拟合计算，我已经确定了如何进行多边形拟合，但坚持了我希望完成的特定移动窗口方法。我的目标是：

1）在数组 1 （a1）的每个索引处，代码将索引的所有值及其最近的 8 个邻居隔离到一个单独的一维数组中，并在数组 2 （a2）的同一窗口中重复

2）隔离这两个新数组后，使用以下方法使用 NumPy 的 polyfit 执行线性回归线拟合：model = np.polyfit(a1slice, a2slice, 1)

3）将生成的回归系数和截距（手动执行此操作的示例输出：）转换为其他两个数组的同一索引，其中将放入第一个新数组和该索引的第二个新数组中。array([-0.02114911, 10.02127152])model[0]model[1]

4）然后，代码按顺序移动到下一个索引并再次执行步骤 1-3，或 a1（i+1、j+0 等）

我提供了一个图形示例，说明我尝试在数组 1 中实现两个随机索引选择以及跨索引的八个最近邻的计算，如果这能使所需的结果更容易理解：

python 数组 numpy slice numpy-ndarray

def get_neighbors(arr, origin, num_neighbors = 8):

    coords = np.array([[i,j] for (i,j),value in np.ndenumerate(arr)]).reshape(arr.shape + (2,))
    distances = np.linalg.norm(coords - origin, axis = -1)
    neighbor_limit = np.sort(distances.ravel())[num_neighbors]

    window = np.where(distances <= neighbor_limit)
    exclude_window = np.where(distances > neighbor_limit)
    
    return window, exclude_window, distances


test = np.zeros((5, 5))

plt.close('all')

cases = [[0,0], [0, 1], [0, 2]]

for case in cases:
    
    window, exclude, distances = get_neighbors(test, case)
    distances[exclude] = 0
    
    plt.figure()
    plt.imshow(distances)

图像输出：

NumPy 最近邻线拟合穿过移动窗口

NumPy Nearest Neighbor Line Fitting Across Moving Window

评论

评论