numpy数组的布尔/非零索引循环的替代方法

Question

我只需要选择 3d 二进制数组的非零 3d 部分（或者布尔数组的真实值）。目前我可以通过一系列使用 np.any 的“for”循环来做到这一点，但这确实有效，但看起来很尴尬和缓慢，所以目前正在研究一种更直接的方式来完成这项任务。

我对 numpy 比较陌生，所以我尝试过的方法包括 a) 使用 np.nonzero，它返回我不知道该怎么做的索引，b）boolean array indexing，和c）boolean masks。对于简单的 2d 数组，我通常可以理解这些方法中的每一种，但我很难理解这些方法之间的差异，并且无法让它们为 3d 数组返回正确的值。

这是我当前的函数，它返回一个非零值的 3D 数组：

def real_size(arr3):
    true_0 = []
    true_1 = []
    true_2 = []
    print(f'The input array shape is: {arr3.shape}')

    for zero_ in range (0, arr3.shape[0]):
        if arr3[zero_].any()==True:
            true_0.append(zero_)
    for one_ in range (0, arr3.shape[1]):
        if arr3[:,one_,:].any()==True:
            true_1.append(one_)
    for two_ in range (0, arr3.shape[2]):
        if arr3[:,:,two_].any()==True:
            true_2.append(two_)

    arr4 = arr3[min(true_0):max(true_0) + 1, min(true_1):max(true_1) + 1, min(true_2):max(true_2) + 1]
    print(f'The nonzero area is: {arr4.shape}')
    return arr4

# Then use it on a small test array:
test_array = np.zeros([2, 3, 4], dtype = int)
test_array[0:2, 0:2, 0:2] = 1

#The function call works and prints out as expected:
non_zero = real_size(test_array)
>> The input array shape is: (2, 3, 4) 
>> The nonzero area is: (2, 2, 2)

# So, the array is correct, but likely not the best way to get there:
non_zero

>> array([[[1, 1],
        [1, 1]],

       [[1, 1],
        [1, 1]]])

代码工作正常，但我在更大、更复杂的数组上使用它，我认为这不是一个合适的方法。任何关于更直接的方法来完成这项工作的想法将不胜感激。如果输入数组在原始数组中有两个单独的非零 3d 区域，我也会担心错误和结果。

为了澄清问题，我需要将一个或多个 3D 部分作为一个或多个 3d 数组返回，该数组以原始较大的数组开头。返回的数组不应在三维空间中的任何给定外部平面中包含无关的零（或错误值）。仅获取非零值的索引（反之亦然）本身并不能解决问题。

Answer 1

假设您要消除所有包含仅零的行、列等，您可以执行以下操作：

nz = (test_array != 0)
non_zero = test_array[nz.any(axis=(1, 2))][:, nz.any(axis=(0, 2))][:, :, nz.any(axis=(0, 1))]

使用np.nonzero 的替代解决方案：

i = [np.unique(_) for _ in np.nonzero(test_array)]
non_zero = test_array[i[0]][:, i[1]][:, :, i[2]]

---

这也可以推广到任意维度，但需要更多的工作（这里只展示第一种方法）：

def real_size(arr):
    nz = (arr != 0)
    result = arr
    axes = np.arange(arr.ndim)
    for axis in range(arr.ndim):
        zeros = nz.any(axis=tuple(np.delete(axes, axis)))
        result = result[(slice(None),)*axis + (zeros,)]
    return result

non_zero = real_size(test_array)