Skip to main content
 首页 » 编程设计

python之排列一个 numpy 数组以表示具有 2d 颜色图的物理排列

2025年02月15日8luoye11

我正在尝试绘制代表一组物理像素的 2d numpy 数组。然而,像素本身的排列方式非常复杂,我在排列阵列时遇到了麻烦,因此颜色图将代表物理设置。这是我当前数组的布局,下面是它需要组织成的布局图片(红色数字指的是下面数组的第一维。左下象限指的是第二维。)我我打算使用 pcolor,但如果有任何更适合这个问题的东西,我当然愿意接受其他选择。对此,我将不胜感激。

[[  575.40625    984.40625    560.234375   936.0625     733.84375 
    725.9375     469.234375   828.046875   210.421875   522.4375     713.375 
    466.484375   679.8125     242.296875   645.328125   666.265625] 
 [  976.390625   668.46875    513.328125   769.359375  1343.65625 
   1068.3125    1206.21875   1447.484375   571.359375   420.71875 
    246.03125    333.15625    626.921875   615.03125    867.03125 
   1051.34375 ] 
 [  498.1875    1176.453125   670.609375   597.578125   765.078125 
    713.8125     825.84375    760.171875   667.015625   755.40625 
   1003.71875    687.921875   448.921875   574.90625    598.859375 
    487.09375 ] 
 [  564.203125   485.140625   652.625      740.875      465.875     1152.03125 
    623.15625    949.28125    722.515625   397.046875   529.03125    487. 
    427.109375   424.         495.734375   510.453125]] 

请您参考如下方法:

如果将 8x8 网格视为二维 numpy 数组,则将一维数据中给定索引对应的行计算为索引的位 1、3 和 5 的二进制值。类似地,该列是使用索引的位 0、2 和 4 计算的。这是一个将索引转换为行和列的函数:

def row_col_coords(index): 
    # Convert bits 1, 3 and 5 to row 
    row = 4*((index & 0b100000) > 0) + 2*((index & 0b1000) > 0) + 1*((index & 0b10) > 0) 
    # Convert bits 0, 2 and 4 to col 
    col = 4*((index & 0b10000) > 0) + 2*((index & 0b100) > 0) + 1*((index & 0b1) > 0) 
    return (row, col) 

例如,

In [114]: row_col_coords(45) 
Out[114]: (6, 3) 

即对于索引 45,row(即 y)为 6,col 为 3。

计算是矢量化的,因此该函数实际上处理一个索引数组。例如,

In [116]: row_col_coords(np.array([45, 46, 47, 48])) 
Out[116]: (array([6, 7, 7, 4]), array([3, 2, 3, 4])) 

这是一个长度为 64 的示例一维数据数组。它只是 [100, 101, 102, ..., 163] 所以我们很容易看出数组是正确的。

In [116]: data = 100 + np.arange(64.) 

要形成 8x8 数组,首先创建对应于数据索引 [0, 1, 2, ..., 63] 的行和列索引:

In [117]: row, col = row_col_coords(np.arange(64)) 

现在创建一个 8x8 数组并用 data 填充它,使用 row 和 col 获得所需的顺序:

In [118]: a = np.empty((8, 8)) 
 
In [119]: a[row, col] = data 
 
In [120]: a 
Out[120]:  
array([[ 100.,  101.,  104.,  105.,  116.,  117.,  120.,  121.], 
       [ 102.,  103.,  106.,  107.,  118.,  119.,  122.,  123.], 
       [ 108.,  109.,  112.,  113.,  124.,  125.,  128.,  129.], 
       [ 110.,  111.,  114.,  115.,  126.,  127.,  130.,  131.], 
       [ 132.,  133.,  136.,  137.,  148.,  149.,  152.,  153.], 
       [ 134.,  135.,  138.,  139.,  150.,  151.,  154.,  155.], 
       [ 140.,  141.,  144.,  145.,  156.,  157.,  160.,  161.], 
       [ 142.,  143.,  146.,  147.,  158.,  159.,  162.,  163.]]) 

行颠倒了!这是因为 numpy 数组首先显示第 0 行,然后是第 1 行,以此类推。要以“正确”顺序查看数据,只需反转数组:

In [121]: a[::-1] 
Out[121]:  
array([[ 142.,  143.,  146.,  147.,  158.,  159.,  162.,  163.], 
       [ 140.,  141.,  144.,  145.,  156.,  157.,  160.,  161.], 
       [ 134.,  135.,  138.,  139.,  150.,  151.,  154.,  155.], 
       [ 132.,  133.,  136.,  137.,  148.,  149.,  152.,  153.], 
       [ 110.,  111.,  114.,  115.,  126.,  127.,  130.,  131.], 
       [ 108.,  109.,  112.,  113.,  124.,  125.,  128.,  129.], 
       [ 102.,  103.,  106.,  107.,  118.,  119.,  122.,  123.], 
       [ 100.,  101.,  104.,  105.,  116.,  117.,  120.,  121.]])