scipy.ndimage.

minimum_position#

scipy.ndimage.minimum_position(input, labels=None, index=None)[Quelle]#

Findet die Positionen der Minima der Werte eines Arrays bei Labels.

Parameter:

inputarray_like

Array_like von Werten.

labelsarray_like, optional

Ein Array von ganzen Zahlen, die verschiedene Regionen markieren, über die die Position des Minimalwerts von input berechnet werden soll. labels muss die gleiche Form wie input haben. Wenn labels nicht angegeben ist, wird die Position des ersten Minimums über das gesamte Array zurückgegeben.

Das Argument labels funktioniert nur, wenn index angegeben ist.

indexarray_like, optional

Eine Liste von Regions-Labels, die bei der Suche nach der Position der Minima berücksichtigt werden. Wenn index None ist, wird das `erste` Minimum über alle Elemente zurückgegeben, bei denen labels ungleich Null ist.

Das Argument index funktioniert nur, wenn labels angegeben ist.

Rückgabe:

outputListe von Tupeln von ints

Tupel von ints oder Liste von Tupeln von ints, die die Position der Minima von input über die durch labels bestimmten Regionen und deren Index in index angeben.

Wenn index oder labels nicht angegeben sind, wird ein Tupel von ints zurückgegeben, das die Position des ersten minimalen Werts von input angibt.

Siehe auch

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

Beispiele

>>> 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)

Zu verarbeitende Merkmale können mit labels und index angegeben werden.

>>> 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)]