我有 4 列的数据集：x，y，z 和值，让我们说：
x y z value
0 0 0 0
0 1 0 0
0 2 0 0
1 0 0 0
1 1 0 1
1 2 0 1
2 0 0 0
2 1 0 0
2 2 0 0
我想计算所有值的质心CM = (x_m,y_m,z_m)，在本例中，我想看到(1,1.5,0)作为输出。
我认为这一定是一个微不足道的问题,但我在互联网上找不到它的解决方案。scipy.ndimage.measurements.center_of_m似乎是正确的事情,但不幸的是,该函数总是返回两个值 (而不是 3)。此外,我找不到有关如何从数组中设置ndimage的任何文档:我会使用形状(9,4)的 numpy 数组 N 吗?然后:0
任何帮助是高度赞赏。
14
我能想到的最简单的方法是：只需找到由每个组件的贡献加权的质量组件的坐标的平均值。
import numpy
mes = numpy.array([[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 2, 0, 0],
[1, 0, 0, 0],
[1, 1, 0, 1],
[1, 2, 0, 1],
[2, 0, 0, 0],
[2, 1, 0, 0],
[2, 2, 0, 0]])
nonZeroMes = mes[numpy.nonzero(mes[:,3])] # Not really necessary, can just use mes because 0 m used as weight will work just fine.
CM = numpy.average(nonZeroMes[:,:3], axis=0, weights=nonZeroMes[:,3])
5
另一种选择是使用 scipy 质心：
from scipy import ndimage
import numpy
mes = numpy.array([[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 2, 0, 0],
[1, 0, 0, 0],
[1, 1, 0, 1],
[1, 2, 0, 1],
[2, 0, 0, 0],
[2, 1, 0, 0],
[2, 2, 0, 0]])
ndimage.measurements.center_of_m(mes)
2
怎么样：
# x y z value
table = np.array([[ 5. , 1.3, 8.3, 9. ],
[ 6. , 6.7, 1.6, 5.9],
[ 9.1, 0.2, 6.2, 3.7],
[ 2.2, 2. , 6.7, 4.6],
[ 3.4, 5.6, 8.4, 7.3],
[ 4.8, 5.9, 5.7, 5.8],
[ 3.7, 1.1, 8.2, 2.2],
[ 0.3, 0.7, 7.3, 4.6],
[ 8.1, 1.9, 7. , 5.3],
[ 9.1, 8.2, 3.3, 5.3]])
def com(xyz, m):
m = m.reshape((-1, 1))
return (xyz * m).mean(0)
print(com(table[:, :3], table[:, 3]))
1
为什么ndimage.measurements.center_of_m没有给出预期的结果？
关键是输入数据mes如何由 4 元组（x，y，z，值）的数组表示
# x y z value
[[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 2, 0, 0],
[1, 0, 0, 0],
[1, 1, 0, 1],
[1, 2, 0, 1],
[2, 0, 0, 0],
[2, 1, 0, 0],
[2, 2, 0, 0]]
这里的数组mes表示每个质量的 3-D 位置和权重。但是请注意,这个 pytn 数组结构只是一个 2-D 数组。它的形状是 (9,4)。
您需要传递给 ndimage 以获得预期结果的输入是一个 3-D 数组，其中包含零，并且每个质量的权重在数组中的适当坐标处，如下所示：
from scipy import ndimage
import numpy
mes = numpy.zeros((3, 3, 1))
# x y z value
mes[1, 1, 0] = 1
mes[1, 2, 0] = 1
CM = ndimage.measurements.center_of_m(mes)
# x y z
# (1.0, 1.5, 0.0)
这正是预期的输出。
注意这个解决方案（和 ndimage 库）的限制是它需要非负整数坐标。对于大和 / 或稀疏卷也不会有效，因为 ndimage 的每个“像素”需要在内存中实例化。
本站系公益性非盈利分享网址，本文来自用户投稿，不代表边看边学立场，如若转载，请注明出处
![python循环遍历字典： title_content_list.append([key, value])print(ti](/titimg/lookxue_blog_thumb_170170.jpg)
评论列表（41条）