我正在尝试制作一个需要矩阵的邻居(不包括自身)之和的程序ex ex：

 matrix([[0, 0, 0],
        [1, 0, 1],
        [0, 1, 0]])  

会返回：

matrix([[1, 2, 1],
        [1, 3, 1],
        [2, 2, 2]])

我在这里有一个有效的代码,但是它又大又杂乱,我是numpy的新手,所以我需要一些帮助来清理和优化它. (我觉得必须有更好的方法)

示例代码：

import numpy as np

def NiSum(m):
    new = []
    for x in range(m.shape[0]-1):
        row = []
        for y in range(m.shape[1]-1):
            Ni = 0
            for a in [1,1],[1,0],[1,-1],[0,1],[0,-1],[-1,1],[-1,0],[-1,-1]:
                Ni += m[x+a[0],y+a[1]]
            row.append(Ni)
        new.append(row)
    return np.matrix(new)


example = np.matrix('0 0 0 0 0 0 0 0; '*3+'0 0 0 1 1 1 0 0; '*3+'0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0 ')

NiSum(example)

谢谢你的帮助 ！

解决方法:

您正在对该3×3邻域中的所有值求和,但不包括元素本身.因此,我们可以使用Scipy's 2D convolution并从中减去该输入数组/矩阵以获得所需的输出,如下所示：

from scipy.signal import convolve2d

convolve2d(a,np.ones((3,3),dtype=int),'same') - a

样品运行-

In [11]: a
Out[11]: 
matrix([[0, 0, 0],
        [1, 0, 1],
        [0, 1, 0]])

In [12]: convolve2d(a,np.ones((3,3),dtype=int),'same') - a
Out[12]: 
matrix([[1, 2, 1],
        [1, 3, 1],
        [2, 2, 2]])

或简单地形成一个全为零但中心为零的内核,并使用相同的2D卷积-

In [31]: kernel = np.array([[1,1,1],[1,0,1],[1,1,1]])

In [32]: np.asmatrix(convolve2d(a,kernel,'same'))
Out[32]: 
matrix([[1, 2, 1],
        [1, 3, 1],
        [2, 2, 2]])