回答編集履歴
3
あ
test
CHANGED
@@ -188,7 +188,7 @@
|
|
188
188
|
|
189
189
|
|
190
190
|
|
191
|
-
for i, j in np.dstack(np.mgrid[1:Nx, 1:Ny]).reshape(-1, 2):
|
191
|
+
for i, j in np.dstack(np.mgrid[1:Nx+1, 1:Ny+1]).reshape(-1, 2):
|
192
192
|
|
193
193
|
E[i - 1, j - 1] = -np.cos(S_pad[i, j] - S_pad[i - 1, j]) \
|
194
194
|
|
@@ -201,3 +201,199 @@
|
|
201
201
|
print(E)
|
202
202
|
|
203
203
|
```
|
204
|
+
|
205
|
+
|
206
|
+
|
207
|
+
## 追記
|
208
|
+
|
209
|
+
|
210
|
+
|
211
|
+
話を簡単にするため (3, 3) 行列で考えます。
|
212
|
+
|
213
|
+
|
214
|
+
|
215
|
+
```python
|
216
|
+
|
217
|
+
Nx, Ny = 3, 3
|
218
|
+
|
219
|
+
S = np.random.randint(0, 5, (Nx, Ny))
|
220
|
+
|
221
|
+
print(S)
|
222
|
+
|
223
|
+
# [[0 2 4]
|
224
|
+
|
225
|
+
# [0 0 3]
|
226
|
+
|
227
|
+
# [2 0 2]]
|
228
|
+
|
229
|
+
```
|
230
|
+
|
231
|
+
|
232
|
+
|
233
|
+
S_pad は (Nx, Ny) の配列の周囲に1ずつパディングを入れたものです。
|
234
|
+
|
235
|
+
パディングの値は padding='wrap' を指定することで、例えば、S[0, 0] であれば、S[2, 2] の値になるようにしています。
|
236
|
+
|
237
|
+
これにより、E[0, 0] = -cos(S[0, 0] - S[-1, 0]) を計算する場合、条件分岐が不要になります。
|
238
|
+
|
239
|
+
|
240
|
+
|
241
|
+
```python
|
242
|
+
|
243
|
+
S_pad = np.pad(a, (1, 1), 'wrap')
|
244
|
+
|
245
|
+
print(S_pad)
|
246
|
+
|
247
|
+
# [[2 2 0 2 2]
|
248
|
+
|
249
|
+
# [4 0 2 4 0]
|
250
|
+
|
251
|
+
# [3 0 0 3 0]
|
252
|
+
|
253
|
+
# [2 2 0 2 2]
|
254
|
+
|
255
|
+
# [4 0 2 4 0]]
|
256
|
+
|
257
|
+
```
|
258
|
+
|
259
|
+
|
260
|
+
|
261
|
+
S_pad の各要素のインデックスは以下のようになっています。
|
262
|
+
|
263
|
+
|
264
|
+
|
265
|
+
```python
|
266
|
+
|
267
|
+
(0, 4) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
|
268
|
+
|
269
|
+
(0, 4) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
|
270
|
+
|
271
|
+
(0, 4) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
|
272
|
+
|
273
|
+
(0, 4) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
|
274
|
+
|
275
|
+
(0, 4) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
|
276
|
+
|
277
|
+
(0, 4) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
|
278
|
+
|
279
|
+
(0, 4) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
|
280
|
+
|
281
|
+
```
|
282
|
+
|
283
|
+
|
284
|
+
|
285
|
+
このうち、元の行列 S の値がある以下のインデックスだけ iterate したいわけです。
|
286
|
+
|
287
|
+
|
288
|
+
|
289
|
+
```python
|
290
|
+
|
291
|
+
(1, 4) (2, 4) (3, 4) (4, 4) (5, 4)
|
292
|
+
|
293
|
+
(1, 4) (2, 4) (3, 4) (4, 4) (5, 4)
|
294
|
+
|
295
|
+
(1, 4) (2, 4) (3, 4) (4, 4) (5, 4)
|
296
|
+
|
297
|
+
(1, 4) (2, 4) (3, 4) (4, 4) (5, 4)
|
298
|
+
|
299
|
+
(1, 4) (2, 4) (3, 4) (4, 4) (5, 4)
|
300
|
+
|
301
|
+
```
|
302
|
+
|
303
|
+
|
304
|
+
|
305
|
+
なので、目標は以下の配列を作ることです。
|
306
|
+
|
307
|
+
|
308
|
+
|
309
|
+
```
|
310
|
+
|
311
|
+
[(1, 1), (1, 2), (1, 3), (1, 4), ...]
|
312
|
+
|
313
|
+
```
|
314
|
+
|
315
|
+
|
316
|
+
|
317
|
+
np.mgrid は返り値として次の2つの値を返します。
|
318
|
+
|
319
|
+
|
320
|
+
|
321
|
+
```python
|
322
|
+
|
323
|
+
X, Y = np.mgrid[1:Nx + 1, 1:Ny + 1]
|
324
|
+
|
325
|
+
print(X)
|
326
|
+
|
327
|
+
# 各要素の行
|
328
|
+
|
329
|
+
# [[1 1 1]
|
330
|
+
|
331
|
+
# [2 2 2]
|
332
|
+
|
333
|
+
# [3 3 3]]
|
334
|
+
|
335
|
+
|
336
|
+
|
337
|
+
# 各要素の列
|
338
|
+
|
339
|
+
print(Y)
|
340
|
+
|
341
|
+
# [[1 2 3]
|
342
|
+
|
343
|
+
# [1 2 3]
|
344
|
+
|
345
|
+
# [1 2 3]]
|
346
|
+
|
347
|
+
```
|
348
|
+
|
349
|
+
|
350
|
+
|
351
|
+
よって、これを np.dstack() で結合すると、各要素のインデックスの一覧が作れます。
|
352
|
+
|
353
|
+
|
354
|
+
|
355
|
+
```python
|
356
|
+
|
357
|
+
XY = np.dstack([X, Y])
|
358
|
+
|
359
|
+
print(XY)
|
360
|
+
|
361
|
+
# [[[1 1] [1 2] [1 3]]
|
362
|
+
|
363
|
+
# [[2 1] [2 2] [2 3]]
|
364
|
+
|
365
|
+
# [[3 1] [3 2] [3 3]]]
|
366
|
+
|
367
|
+
```
|
368
|
+
|
369
|
+
|
370
|
+
|
371
|
+
これは (3, 3, 2) の numpy 配列なので、(9, 2) として、reshape() します。
|
372
|
+
|
373
|
+
(3, 3, 2) を (9, 2) に reshape() する際に、(?, 2) と2が決まっていれば、? の部分は9と確定するので、この場合、-1 と指定しておくことができます。
|
374
|
+
|
375
|
+
|
376
|
+
|
377
|
+
```python
|
378
|
+
|
379
|
+
print(XY.reshape(-1, 2)) # XY.reshape(9, 2) と一緒
|
380
|
+
|
381
|
+
# [[1 1]
|
382
|
+
|
383
|
+
# [1 2]
|
384
|
+
|
385
|
+
# [1 3]
|
386
|
+
|
387
|
+
# [2 1]
|
388
|
+
|
389
|
+
# [2 2]
|
390
|
+
|
391
|
+
# [2 3]
|
392
|
+
|
393
|
+
# [3 1]
|
394
|
+
|
395
|
+
# [3 2]
|
396
|
+
|
397
|
+
# [3 3]]
|
398
|
+
|
399
|
+
```
|
2
a
test
CHANGED
@@ -109,3 +109,95 @@
|
|
109
109
|
...
|
110
110
|
|
111
111
|
```
|
112
|
+
|
113
|
+
|
114
|
+
|
115
|
+
## 追記
|
116
|
+
|
117
|
+
|
118
|
+
|
119
|
+
境界条件って端の場合は反対側の値を使うということですよね。
|
120
|
+
|
121
|
+
であれば、padding='wrap' で [np.pad()](https://docs.scipy.org/doc/numpy-1.15.1/reference/generated/numpy.pad.html) しておけばいいです。
|
122
|
+
|
123
|
+
|
124
|
+
|
125
|
+
どういうことかは以下を見ていただければわかるかと思います。
|
126
|
+
|
127
|
+
|
128
|
+
|
129
|
+
```
|
130
|
+
|
131
|
+
a = np.random.randint(0, 5, (5, 5))
|
132
|
+
|
133
|
+
print(a)
|
134
|
+
|
135
|
+
# [[3 3 2 2 0]
|
136
|
+
|
137
|
+
# [0 4 1 2 1]
|
138
|
+
|
139
|
+
# [1 4 4 1 4]
|
140
|
+
|
141
|
+
# [4 4 2 4 0]
|
142
|
+
|
143
|
+
# [4 1 4 3 3]]
|
144
|
+
|
145
|
+
|
146
|
+
|
147
|
+
b = np.pad(a, (1, 1), 'wrap')
|
148
|
+
|
149
|
+
print(b)
|
150
|
+
|
151
|
+
# [[3 4 1 4 3 3 4]
|
152
|
+
|
153
|
+
# [0 3 3 2 2 0 3]
|
154
|
+
|
155
|
+
# [1 0 4 1 2 1 0]
|
156
|
+
|
157
|
+
# [4 1 4 4 1 4 1]
|
158
|
+
|
159
|
+
# [0 4 4 2 4 0 4]
|
160
|
+
|
161
|
+
# [3 4 1 4 3 3 4]
|
162
|
+
|
163
|
+
# [0 3 3 2 2 0 3]]
|
164
|
+
|
165
|
+
```
|
166
|
+
|
167
|
+
|
168
|
+
|
169
|
+
```python
|
170
|
+
|
171
|
+
np.set_printoptions(linewidth=120)
|
172
|
+
|
173
|
+
|
174
|
+
|
175
|
+
Nx, Ny = 5, 5
|
176
|
+
|
177
|
+
S = np.random.uniform(0, 2 * np.pi, (5, 5))
|
178
|
+
|
179
|
+
print(S)
|
180
|
+
|
181
|
+
|
182
|
+
|
183
|
+
E = np.empty_like(S)
|
184
|
+
|
185
|
+
S_pad = np.pad(S, (1, 1), 'wrap')
|
186
|
+
|
187
|
+
print(S_pad)
|
188
|
+
|
189
|
+
|
190
|
+
|
191
|
+
for i, j in np.dstack(np.mgrid[1:Nx, 1:Ny]).reshape(-1, 2):
|
192
|
+
|
193
|
+
E[i - 1, j - 1] = -np.cos(S_pad[i, j] - S_pad[i - 1, j]) \
|
194
|
+
|
195
|
+
- np.cos(S_pad[i, j] - S_pad[i + 1, j]) \
|
196
|
+
|
197
|
+
- np.cos(S_pad[i, j] - S_pad[i, j + 1]) \
|
198
|
+
|
199
|
+
- np.cos(S_pad[i, j] - S_pad[i, j - 1])
|
200
|
+
|
201
|
+
print(E)
|
202
|
+
|
203
|
+
```
|
1
a
test
CHANGED
@@ -23,3 +23,89 @@
|
|
23
23
|
|
24
24
|
|
25
25
|
とするよう書いてあります。
|
26
|
+
|
27
|
+
|
28
|
+
|
29
|
+
## 追記
|
30
|
+
|
31
|
+
|
32
|
+
|
33
|
+
前回の回答で dstack() を使用したのは、「各要素をナンバリングした行列を作りたい」と書いてあったので、np.mgrid で各要素の x 座標と y 座標の一覧を作成し、それを結合するために使いました。
|
34
|
+
|
35
|
+
|
36
|
+
|
37
|
+
```
|
38
|
+
|
39
|
+
indices = np.dstack(np.mgrid[1:9, 1:9]).reshape(-1, 2)
|
40
|
+
|
41
|
+
print(indices)
|
42
|
+
|
43
|
+
```
|
44
|
+
|
45
|
+
|
46
|
+
|
47
|
+
```
|
48
|
+
|
49
|
+
[[1 1]
|
50
|
+
|
51
|
+
[1 2]
|
52
|
+
|
53
|
+
[1 3]
|
54
|
+
|
55
|
+
[1 4]
|
56
|
+
|
57
|
+
[1 5]
|
58
|
+
|
59
|
+
[1 6]
|
60
|
+
|
61
|
+
[1 7]
|
62
|
+
|
63
|
+
...
|
64
|
+
|
65
|
+
```
|
66
|
+
|
67
|
+
|
68
|
+
|
69
|
+
ただ、各要素を iteratate するのが目的だったのであれば、np.ndenumerate() を使ったほうがシンプルです。
|
70
|
+
|
71
|
+
|
72
|
+
|
73
|
+
```python
|
74
|
+
|
75
|
+
a = np.random.randn(5, 5)
|
76
|
+
|
77
|
+
print(a)
|
78
|
+
|
79
|
+
|
80
|
+
|
81
|
+
for index, value in np.ndenumerate(a):
|
82
|
+
|
83
|
+
print(index, value)
|
84
|
+
|
85
|
+
```
|
86
|
+
|
87
|
+
|
88
|
+
|
89
|
+
```
|
90
|
+
|
91
|
+
[[1 1]
|
92
|
+
|
93
|
+
[1 2]
|
94
|
+
|
95
|
+
[1 3]
|
96
|
+
|
97
|
+
[1 4]
|
98
|
+
|
99
|
+
[1 5]
|
100
|
+
|
101
|
+
[1 6]
|
102
|
+
|
103
|
+
[1 7]
|
104
|
+
|
105
|
+
[1 8]
|
106
|
+
|
107
|
+
[2 1]
|
108
|
+
|
109
|
+
...
|
110
|
+
|
111
|
+
```
|