如何有效地将“地形”numpy 数组转换为 networkx 图？答案

【问题标题】：How can I efficiently translate "terrain" numpy array into networkx graph?如何有效地将“地形”numpy 数组转换为 networkx 图？
【发布时间】：2015-10-15 19:51:14
【问题描述】：

我有一个二维布尔 numpy 数组 A。每个元素都是地图的一个像素，True 对应于地形，False 对应于水。说，我想检查我有多少个不同的大陆，所以我想使用 networx.number_connected_components(G)

我可以构建图形 G 手动迭代数组 A 的元素并检查土地是否连接（像素只有在它们具有共同边时才被认为是连接的，因此土地的每个像素最多可以连接到4，并且不允许对角连接）。

但这让我觉得效率低下且不符合标准。我怎样才能做得更好？

【问题讨论】：

标签： python arrays numpy data-structures graph

【解决方案1】：

要识别和计算连接区域的数量，您可以使用scipy.ndimage.measurements.label（因此您不需要networkx）。例如，

In [73]: x
Out[73]: 
array([[1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 1, 0, 0, 1, 1, 0, 1],
       [0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0]])

In [74]: from scipy.ndimage.measurements import label

In [75]: labeled_x, num_labels = label(x)

In [76]: num_labels
Out[76]: 8

In [77]: labeled_x
Out[77]: 
array([[1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 1, 0, 2, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 2, 0, 0, 0],
       [0, 0, 0, 0, 3, 0, 0, 0, 2, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 2, 2, 0, 0, 0],
       [0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 5],
       [0, 0, 0, 0, 4, 4, 4, 0, 0, 0, 0, 5],
       [0, 0, 0, 0, 0, 4, 0, 0, 6, 6, 0, 5],
       [0, 0, 0, 0, 0, 0, 0, 7, 0, 0, 0, 5],
       [0, 0, 0, 0, 0, 8, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 8, 0, 0, 0, 0, 0, 0]], dtype=int32)

（在示例中，x 是一个由 0 和 1 组成的数组，但label 也接受一个布尔数组。）

【讨论】：