这个问题在这里已有答案：
我想在python中的2-D numpy数组中恢复给定值周围的“缓冲区” . 我们的想法是选择给定半径内包含的所有值，然后屏蔽它们 . 它会是这样的：
在矩阵中选择"cell"，如 matrix[x, y]
matrix[x, y]
获取邻域中包含的单元格，其中 x, y 的距离小于半径 r
x, y
r
我想实现一个快速的功能，因为我有一个大的数组进行处理（形状是7000 x 10000） .
numpy切片为你开箱即用，它非常快：
x Out[38]: array([[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]]) x[0:3,0:3] #neighbors distance=1 from (1,1) Out[39]: array([[1, 2, 3], [1, 2, 3], [1, 2, 3]])
如果你想概括一下，写一个包装器：
def n_closest(x,n,d=1): return x[n[0]-d:n[0]+d+1,n[1]-d:n[1]+d+1]
演示：
y = np.diag(np.ones(10)) n_closest(y,(1,3)) Out[67]: array([[ 0., 0., 0.], [ 0., 0., 0.], [ 1., 0., 0.]]) n_closest(y,(2,3),d=2) Out[69]: array([[ 0., 0., 0., 0., 0.], [ 1., 0., 0., 0., 0.], [ 0., 1., 0., 0., 0.], [ 0., 0., 1., 0., 0.], [ 0., 0., 0., 1., 0.]])
这是一个基本的“方形”面具，如果你需要一个不同形状的面具，很容易制作一个 . 目前还不清楚这是不是你想要的 .
1 回答
numpy切片为你开箱即用，它非常快：
如果你想概括一下，写一个包装器：
演示：
这是一个基本的“方形”面具，如果你需要一个不同形状的面具，很容易制作一个 . 目前还不清楚这是不是你想要的 .