需要在25x25网格中找到五个相邻数字的最大和

Question

import numpy as np
Bees = open("BeesData.txt", "r")
Bees = Bees.read()
Bees = Bees.split( )
for i in range(0, len(Bees)): 
    Bees[i] = int(Bees[i])
Bees = np.reshape(Bees,(25,25))
def suma5x5(x,y):
    suma=0

这是BeesData文件：

https://drive.google.com/file/d/1aWcLZq2MuGENavoTnCfokXr1Nnyygz23/view?usp=sharing![enter图像描述在此]（https://i.stack.imgur.com/G9u5P.png）

Answer 1

我把这当作是一种学习练习。不是真正的numpy用户

TLDR：

search_area = np.arange(25).reshape(5,5)
search_kernel = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]])

results = convolve2d(search_area, search_kernel, mode='same')

max_index = np.argmax(results, axis=None)
max_location = np.unravel_index(max_index, results.shape)
print(max_location)

---

假设5个相邻的意思是：上、下、左、右、中，那么你可以用卷积法找到这个值

假设我们只想找到标记为1的值的每个3x3块的总和：

[[0, 1, 0],
 [1, 1, 1],
 [0, 1, 0]]

此形状可以用作卷积的内核。它将用于将3x3平方中的每个值相加，将其相应的值乘以1。e、 g代表

[[1, 2, 3],
 [4, 5, 6],
 [7, 8, 9]]

你会得到1x0 + 2x1 + 3x0 + 4x1 + 5x1 + 6x1 + 7x0 + 8x1 + 9x0 = 25

scipy有一个用于此的方法称为convolve2d

import numpy as np
from scipy.signal import convolve2d

search_area = np.arange(36).reshape(6,6)
search_kernel = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]])

results = convolve2d(search_area, search_kernel)

print(search_area)
print(results)

这将产生：

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]
 [24 25 26 27 28 29]
 [30 31 32 33 34 35]]
[[  0   0   1   2   3   4   5   0]
 [  0   7  10  14  18  22  20   5]
 [  6  25  35  40  45  50  43  11]
 [ 12  49  65  70  75  80  67  17]
 [ 18  73  95 100 105 110  91  23]
 [ 24  97 125 130 135 140 115  29]
 [ 30  85 118 122 126 130  98  35]
 [  0  30  31  32  33  34  35   0]]

因为我们将边作为卷积的一部分包括在内，所以您将看到结果大小现在是8x8，而不是原来的6x6。对于由于超出数组边缘而无法找到的值，该方法假定值为零

要放弃这些边，可以使用same模式，该模式使其从结果中删除这些边：

results = convolve2d(search_area, search_kernel, mode='same')

print(search_area)
print(results)

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]
 [24 25 26 27 28 29]
 [30 31 32 33 34 35]]
[[  7  10  14  18  22  20]
 [ 25  35  40  45  50  43]
 [ 49  65  70  75  80  67]
 [ 73  95 100 105 110  91]
 [ 97 125 130 135 140 115]
 [ 85 118 122 126 130  98]]

现在要找到蜜蜂最多的位置，可以使用argmax获得最大值的索引，并使用unravel_index将其作为原始形状中的位置

max_index = np.argmax(results, axis=None)
max_location = np.unravel_index(max_index, results.shape)

print(max_location)

(4, 4)