将函数应用于 2D numpy 数组元素

Question

我看过这个post 并想做类似的事情，但不完全相同。

我正在实现一个小生活游戏游戏，并使用numpy arrays 表示游戏的状态。所以我需要检查一个cell有多少个活着的邻居。我已经有了一个函数，可以在给定我想要的窗口大小的坐标、行数和列数的情况下获取 邻居窗口。

所以通常我的窗户是这样的 3x3 大小：

T = True
F = False
[[T,T,T],
 [F,T,T],
 [F,F,F]]  # some random truth values

在这个表示中，True 代表一个细胞是活着的。 现在我编写了一些代码迭代状态的所有单元格，使用双 for 循环计算 True 值等等，但我认为可能有更好的 numpy 解决方案。

我会在幼稚的方法中做什么：

1. 遍历状态的所有单元格（不仅是窗口）（我想制定一些代码以在单元格满足标准或其他条件时执行（活着并存活或死亡并活着））
2. 获取窗口（包装或不包装）（我已经拥有的功能）
3. 检查当前单元格是否处于活动状态（可以在状态的 numpy 数组中查找）
4. 如果它是活着的，则从活着的邻居计数 -1 开始，否则从 0 开始
5. 计算窗口的所有 True 值 (np.sum) 并将其添加到活着的邻居计数中（如果单元格本身还活着，则为 -1，因此我只计算邻居而不是单元格本身）
6. 根据存活邻居的数量是否在特定范围内（可配置），写入另一个（新）状态的数组True 值。 （我会从一个数组开始，我使用以下方法创建：np.full((height, width), False, dtype=bool)）
7. 继续使用新数组，将旧数组保留在列表中以供历史记录或记录目的

基本上：

if cell meets criteria:
    write True at the cell's position in a new array

但是满足条件取决于多行，因为状态的 numpy 数组是二维数组。这就是为什么我认为链接的帖子很接近但不完全是我需要的。

我怎样才能以一种有效的 numpy-y 方式做到这一点，避免不必要的循环？

澄清

我正在寻找在 python 中使用 numpy 和 scipy 实现这一点的最佳方法，它的目标是可读性强并具有良好的性能。

Answer 1

也许我不明白你想要做什么，但是是什么阻止你简单地使用 numpy.sum 函数？

示例 - 让状态为：

import numpy as np
state = np.random.randint(1, 10, (9,9))

这里我使用 {0, 1} 作为状态值，其中 1 表示“活着”。 然后你可以在被调查的细胞周围切片，例如[2,3]

s = state[1:3,2:5]
if s[1,1]:
   val = -1
else
   val = 0
val += s.sum()

如果你把它放在一个 for 循环中并注意边界情况，适当的夹紧或换行，它应该按照你的描述做。

如果您正在寻找一个简短的优雅实现，可以非常efficiently with Python and Numpy。