scipy.ndimage.

minimum_position#

scipy.ndimage.minimum_position(входные данные, метки=None, index=None)[источник]#

Найти позиции минимумов значений массива по меткам.

Параметры:

входные данныеarray_like

Array_like значений.

меткиarray_like, необязательный

Массив целых чисел, отмечающих различные области, по которым определяется позиция минимального значения входные данные должно быть вычислено. метки должен иметь ту же форму, что и входные данные. Если метки не указано, возвращается местоположение первого минимума по всему массиву.

The метки аргумент работает только когда index указан.

indexarray_like, необязательный

Список меток регионов, которые учитываются для нахождения местоположения минимумов. Если index равно None, то first минимум по всем элементам, где метки возвращается ненулевое значение.

The index аргумент работает только когда метки указан.

Возвращает:

выводсписок кортежей целых чисел

Кортеж целых чисел или список кортежей целых чисел, определяющих местоположение минимумов входные данные по областям, определенным метки и чей индекс находится в index.

Если index или метки не указаны, возвращается кортеж целых чисел, определяющий местоположение первого минимального значения входные данные.

Смотрите также

label, minimum, median, maximum_position, extrema, sum, mean, variance
standard_deviation

Примеры

>>> import numpy as np
>>> a = np.array([[10, 20, 30],
...               [40, 80, 100],
...               [1, 100, 200]])
>>> b = np.array([[1, 2, 0, 1],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])

>>> from scipy import ndimage

>>> ndimage.minimum_position(a)
(2, 0)
>>> ndimage.minimum_position(b)
(0, 2)

Обрабатываемые признаки могут быть указаны с помощью метки и index:

>>> label, pos = ndimage.label(a)
>>> ndimage.minimum_position(a, label, index=np.arange(1, pos+1))
[(2, 0)]

>>> label, pos = ndimage.label(b)
>>> ndimage.minimum_position(b, label, index=np.arange(1, pos+1))
[(0, 0), (0, 3), (3, 1)]