перевірте, чи має нумерований масив 0 на всіх його межах [закрито]

Що було б найшвидшим способом перевірити, чи має багатовимірний нумеровий масив 0 з усіх боків.

Отже, для простого двовимірного прикладу я маю:

x = np.random.rand(5, 5)
assert np.sum(x[0:,  0]) == 0
assert np.sum(x[0,  0:]) == 0
assert np.sum(x[0:, -1]) == 0
assert np.sum(x[-1, 0:]) == 0

Хоча це нормально, щоб 2D випадки вправо писати для більш високих розмірів - трохи нудно, і мені було цікаво, чи є якась хитра хитра хитрість, яку я можу використати тут, щоб зробити її ефективнішою і також більш доцільною.

Ось як це можна зробити:

assert(all(np.all(np.take(x, index, axis=axis) == 0)
           for axis in range(x.ndim)
           for index in (0, -1)))

np.take робить те саме, що і "фантазійне" індексування.

Ось відповідь, яка насправді вивчає ті частини масиву, які вас цікавлять, і не витрачає час на створення маски розміром всього масиву. Існує цикл рівня Python, але він короткий, ітерації пропорційні кількості розмірів замість розміру масиву.

def all_borders_zero(array):
    if not array.ndim:
        raise ValueError("0-dimensional arrays not supported")
    for dim in range(array.ndim):
        view = numpy.moveaxis(array, dim, 0)
        if not (view[0] == 0).all():
            return False
        if not (view[-1] == 0).all():
            return False
    return True

Я змінив масив, а потім повторив його. На жаль, моя відповідь передбачає, що у вас є щонайменше три виміри і помилка буде звичайною матрицею, вам доведеться додати спеціальний пункт для масивів розмірної форми 1 і 2. Крім того, це буде повільно, тому, ймовірно, краще рішення.

x = np.array(
        [
            [
                [0 , 1, 1, 0],
                [0 , 2, 3, 0],
                [0 , 4, 5, 0]
            ],
            [
                [0 , 6, 7, 0],
                [0 , 7, 8, 0],
                [0 , 9, 5, 0]
            ]
        ])

xx = np.array(
        [
            [
                [0 , 0, 0, 0],
                [0 , 2, 3, 0],
                [0 , 0, 0, 0]
            ],
            [
                [0 , 0, 0, 0],
                [0 , 7, 8, 0],
                [0 , 0, 0, 0]
            ]
        ])

def check_edges(x):

    idx = x.shape
    chunk = np.prod(idx[:-2])
    x = x.reshape((chunk*idx[-2], idx[-1]))
    for block in range(chunk):
        z = x[block*idx[-2]:(block+1)*idx[-2], :]
        if not np.all(z[:, 0] == 0):
            return False
        if not np.all(z[:, -1] == 0):
            return False
        if not np.all(z[0, :] == 0):
            return False
        if not np.all(z[-1, :] == 0):
            return False

    return True

Який буде виробляти

>>> False
>>> True

В основному я укладаю всі розміри один на одного, а потім переглядаю їх, щоб перевірити їх краї.

можливо, оператор еліпсису - це те, що ви шукаєте, який буде працювати в багатьох вимірах:

import numpy as np

# data
x = np.random.rand(2, 5, 5)
x[..., 0:, 0] = 0
x[..., 0, 0:] = 0
x[..., 0:, -1] = 0
x[..., -1, 0:] = 0

test = np.all(
    [
        np.all(x[..., 0:, 0] == 0),
        np.all(x[..., 0, 0:] == 0),
        np.all(x[..., 0:, -1] == 0),
        np.all(x[..., -1, 0:] == 0),
    ]
)

print(test)

Ви можете використовувати sliceта булеве маскування, щоб виконати роботу:

def get_borders(arr):
    s=tuple(slice(1,i-1) for i in a.shape)
    mask = np.ones(arr.shape, dtype=bool)
    mask[s] = False
    return(arr[mask])

Ця функція спочатку формує "ядро" масиву в кортеж s, а потім будує маску, яка показує Trueлише для точок межі. Булева індексація потім доставляє межі.

Робочий приклад:

a = np.arange(16).reshape((4,4))

print(a)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

borders = get_borders(a)
print(borders)
array([ 0,  1,  2,  3,  4,  7,  8, 11, 12, 13, 14, 15])

Потім, np.all(borders==0)ви дасте бажану інформацію.

Примітка: це розриви для одновимірних масивів, хоча я вважаю ці крайні випадки. Вам, мабуть, краще просто перевірити два питання, про які йдеться