三维数组中的迭代元素给出了错误的元素

Question

我有一个数字数组(图像)，第三维空间的长度是3。下面是我的数组的一个例子。我试图迭代它，以便访问/打印数组的最后一个维度。但是下面的每一种技术都访问3d数组中的每个单独值，而不是整个3d数组。

如何在3d数组级别上迭代这个numpy数组？

我的阵列：

src = cv2.imread('./myimage.jpg') 
# naive/shortened example of src contents (shape=(1, 3, 3))
[[[117 108  99]
  [115 105  98]
  [ 90  79  75]]]

在迭代我的目标时，每次迭代都打印以下值：

117 108 99 #迭代1

115 105 98 #迭代2

90 79 75 #迭代3

# Attempt 1 to iterate
for index,value in np.ndenumerate(src):
    print(src[index]) # src[index] and value = 117 when I was hoping it equals [117 108  99]

# Attempt 2 to iterate
for index,value in enumerate(src):
    print(src[index]) # value = is the entire row

Answer 1

解决方案

您可以使用以下两种方法中的任何一种。然而，方法-2更健壮，其合理性已在下面的“详细解决方案”一节中展示。

import numpy as np

src = [[117, 108,  99], [115, 105,  98], [ 90,  79,  75]]
src = np.array(src).reshape((1,3,3))

方法-1

for row in src[0,:]:
    print(row)

方法-2

稳健方法

for e in np.transpose(src, [2,0,1]):
    print(e)

输出：

[117 108  99]
[115 105  98]
[90 79 75]

详细解决方案

让我们制作一个形状(3,4,5)的数组。所以，如果我们在第3维上迭代，我们应该找到5个条目，每个条目的形状都是(3,4)。您可以通过使用numpy.transpose实现这一点，如下所示：

src = np.arange(3*4*5).reshape((3,4,5))
for e in np.transpose(src, [2,0,1]):
    print(row)

输出：

[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
[[ 1  6 11 16]
 [21 26 31 36]
 [41 46 51 56]]
[[ 2  7 12 17]
 [22 27 32 37]
 [42 47 52 57]]
[[ 3  8 13 18]
 [23 28 33 38]
 [43 48 53 58]]
[[ 4  9 14 19]
 [24 29 34 39]
 [44 49 54 59]]

这里的数组src是：

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]]])

Answer 2

一般建议:在使用numpy、显式python循环时，应该是最后的手段。Numpy是一个非常强大的工具，它涵盖了大多数用例。学习如何正确地使用它！如果有帮助的话，你可以把numpy看作是一种语言中几乎自己的迷你语言。

现在，进入密码。在这里，我选择只保留值都低于100的子数组，但这当然是完全任意的，只用于演示代码。

import numpy as np

arr = np.array([[[117, 108, 99], [115, 105, 98], [90, 79, 75]], [[20, 3, 99], [101, 250, 30], [75, 89, 83]]])

cond_mask = np.all(a=arr < 100, axis=2)

arr_result = arr[cond_mask]

如果您对代码有任何疑问，请告诉我:)