这其实算得上是一个图像处理中遇到的问题。 当我们读入一张彩色图像后，希望知道图像中所有RGB值等于对应值的位置 。例如，读入一张图片后，希望获取到所有像素值为（100，100，100）的像素点的坐标。首先，做一个实验。

import numpy as np
img = np.random.randint(0, 255, [3, 3, 3])  # 随机生成一个3*3*3的矩阵，模拟RGB图
color = [100, 100, 100]                     # 目标颜色三通道值
img[1, 1, :] = [100, 100, 100]              # 使(1,1)处的值为所需值
location = (img == color)
print(location)
[[[False False False]
  [False False False]
  [False False False]]
 [[False False False]
  [ True  True  True]
  [False False False]]
 [[False False False]
  [False False False]
  [False False False]]]
  这样的一个实验得到的location是三维的Bool类型数组，而我们需要的其实是二维的数组。所以此时一般的思路就是，三个通道取与。
 
import numpy as np
img = np.random.randint(0, 255, [3, 3, 3])  # 随机生成一个3*3*3的矩阵，模拟RGB图
color = [100, 100, 100]                     # 目标颜色三通道值
img[1, 1, :] = [100, 100, 100]              # 使(1,1)处的值为所需值
location = (img == color)
# location = location[:, :, 0] * location[:, :, 1] * location[:, :, 2]
location = location[:, :, 0] & location[:, :, 1] & location[:, :, 2]
print(location)
[[False False False]
 [False  True False]
 [False False False]]
  但是再仔细一想，Numpy中有一个取与的函数 np.all() ，所以我们上面的代码可以直接简化。
 
import numpy as np
img = np.random.randint(0, 255, [3, 3, 3])  # 随机生成一个3*3*3的矩阵，模拟RGB图
color = [100, 100, 100]                     # 目标颜色三通道值
img[1, 1, :] = [100, 100, 100]              # 使(1,1)处的值为所需值
location = np.all((img == color), axis=2)	# 在第二个维度上取与
print(location)
  这样一行简单的代码就可以简单地得到三个通道值等于指定值位置。同样的道理，更高维度的数组也能进行这样的操作。
 
                    前言  这其实算得上是一个图像处理中遇到的问题。当我们读入一张彩色图像后，希望知道图像中所有RGB值等于对应值的位置。例如，读入一张图片后，希望获取到所有像素值为（100，100，100）的像素点的坐标。首先，做一个实验。代码import numpy as npimg = np.random.randint(0, 255, [3, 3, 3])  # 随机生成一个3*3*3的矩阵，模拟RGB图color = [100, 100, 100]                     # 目标颜色三通
c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]])
print(c.mean(axis=1))#行
print(c.mean(axis=0))#列
[ 2.5 5.5 8.5]
[ 4. 5. 6. 7.]
以上这篇python NumPy ndarray二维数组 按照行列求平均实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。
                        您可能感兴趣的文章:对python中字典keys,values,it
				
最近需要从热力图中找出关键点的坐标，也就是极大值的行和列。搜寻了网上的一些方法，在这里总结一下。使用numpy进行多维数组中最大值的行和列搜寻非常的灵活，有以下几种方法可供参考。
方法一：np.max()函数 + np.where()函数
如下图所示，x是一个 3×3 的二维np.array，首先使用np.max(x)求出x中的最大值，然后使用np.where函数找出数组x中最大值所在的位置。当然这只是np.where的其中一种用法，np.where是一个非常方便的函数，用法还有很多，具体可
				
今天做数据处理时，遇到了从三维数组中批量加入二维数组的需求。其中三维数组在深度学习的特征数据处理时经常会使用到，所以读者有必要对该小知识点做到清楚了解并掌握。现对三维数组中的元素位置结合代码做详细归纳总结，方便日后查阅和为网友答疑！
图示效果图：
直接贴代码：
def test3D():
 import numpy as np
 data_array = np.zeros((3, 5, 6), dtype=np.int)
 data_array[1, 2, 2] = 1
 print(data_array)
介绍：通过np.zeros创建一个3行5列6个通道的三维数组，并给第二个通道的第一
本人也是新手，需要实现什么功能很多时候就是谷歌搜，一搜搜好几个才能解决问题，就像本文这个问题，我搜索到很多结果就只能找到第一个元素的索引，根本就文不是我想要的，反正大佬八成也看不到这篇文章，就随便写写啦
本文使用python自...
				
本文实例讲述了动态规划之矩阵连乘问题Python实现方法。分享给大家供大家参考，具体如下：
给定n个矩阵｛A1,A2,…,An｝，其中Ai与Ai+1是可乘的，i=1,2 ,…,n-1。如何确定计算矩阵连乘积的计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少。
A1={30×35} ; A2={35×15} ;A3={15×5} ;A4={5×10} ;A5={10×20} ;A6={20×25} ;
结果为：((A1(A2A3))((A4A5)A6))  最小的乘次为15125。
原问题为n个矩阵连乘，将原问题分解为子问题，即当n等于1,2,3…..时。
n==1时，单一矩阵，不