所以假设我有一个看起来与此类似的数组：
array([[0, 0, 0, 0, 0],
[0, 1, 1, 1, 0],
[0, 1, 1, 1, 0],
[0, 1, 1, 1, 0],
[0, 0, 0, 0, 0]])
我想返回某个 n*n 方格内最大值总和的中心位置。所以在这种情况下，如果 n = 3，它将是 (2,2)。如果我让 n = 4，结果将是相同的。
numpy 有找到这个位置的方法吗？
【问题讨论】：
n 是4，不会有2 问题：没有中心index 并且在您的example 中，所有卷积都将具有相同的sum ...没有？
方法#1：我们可以使用SciPy's 2D convolution在形状为(n,n)的滑动窗口中求和，并选择与argmax和最大的窗口的索引并转换为行, col 索引为np.unravel_index，就像这样 -
from scipy.signal import convolve2d as conv2
def largest_sum_pos_app1(a, n):
idx = conv2(a, np.ones((n,n),dtype=int),'same').argmax()
return np.unravel_index(idx, a.shape)
示例运行 -
In [558]: a
Out[558]:
array([[0, 0, 0, 0, 0],
[0, 1, 1, 1, 0],
[0, 1, 1, 1, 0],
[0, 1, 1, 1, 0],
[0, 0, 0, 0, 0]])
In [559]: largest_sum_pos_app1(a, n=3)
Out[559]: (2, 2)
方法 #1S（超级充电）：我们可以使用 uniform filter 进一步提升它，就像这样 -
from scipy.ndimage.filters import uniform_filter as unif2D
def largest_sum_pos_app1_mod1(a, n):
idx = unif2D(a.astype(float),size=n, mode='constant').argmax()
return np.unravel_index(idx, a.shape)
方法#2：另一个基于scikit-image的滑动窗口创建工具view_as_windows，我们将创建形状为(n,n)的滑动窗口给我们一个4D数组最后两个形状轴(n,n) 对应于搜索窗口大小。因此，我们将沿这两个轴求和并获得 argmax 索引并将其转换为实际的行 col 位置。
因此，实现将是 -
from skimage.util.shape import view_as_windows
def largest_sum_pos_app2(a, n):
h = (n-1)//2 # half window size
idx = view_as_windows(a, (n,n)).sum((-2,-1)).argmax()
return tuple(np.array(np.unravel_index(idx, np.array(a.shape)-n+1))+h)
正如 cmets 中也提到的，带有偶数 n 的搜索方块会令人困惑，因为它的中心不会在任何元素坐标处。
运行时测试
In [741]: np.random.seed(0)
In [742]: a = np.random.randint(0,1000,(1000,1000))
In [743]: largest_sum_pos_app1(a, n= 5)
Out[743]: (966, 403)
In [744]: largest_sum_pos_app1_mod1(a, n= 5)
Out[744]: (966, 403)
In [745]: largest_sum_pos_app2(a, n= 5)
Out[745]: (966, 403)
In [746]: %timeit largest_sum_pos_app1(a, n= 5)
...: %timeit largest_sum_pos_app1_mod1(a, n= 5)
...: %timeit largest_sum_pos_app2(a, n= 5)
...:
10 loops, best of 3: 57.6 ms per loop
100 loops, best of 3: 10.1 ms per loop
10 loops, best of 3: 47.7 ms per loop
【讨论】：