【Python】numpy库中上难度例题4道+详解考察点（多维数组+多层嵌套循环）

题目一：灰度图像中识别并统计特定像素模式的出现次数

题目:

假设你正在开发一个图像处理算法，需要在一个较大的灰度图像中识别并统计特定像素模式的出现次数。给定一个大图像 large_image 和一个较小的模板图像 template，编写一个 Python 函数 find_pattern_count(large_image, template)，使用 NumPy 来实现这一功能。

函数应该：

接受两个参数：一个大的二维 NumPy 数组 large_image 表示大图像，以及一个小的二维 NumPy 数组 template 表示模板图像。
在 large_image 中搜索与 template 完全匹配（即像素值相同）的所有子图像。
返回这些匹配的子图像在 large_image 中出现的总次数。
注意：

large_image 和 template 都是 MxN 的灰度图像，其中 M 和 N 分别代表行数和列数。
template 的尺寸一定小于或等于 large_image 的尺寸。

考察点:

1.numpy库,二维数组的构造格式

2.注意循环范围,对于每个元素,要判断它的右,下,右下,所以临界时不能出现下标越界

3.可以用all方法判断整体小块是否相同

代码:

# 解法一 四重循环 逐一判断
import numpy as npdef find_pattern_count(large_image, template):large_h, large_w = large_image.shapetemp_h, temp_w = template.shapecount = 0for i in range(large_h - temp_h + 1):    #循环遍历整个二维数组每个元素for j in range(large_w - temp_w + 1):match = True    # 假设符合for k in range(temp_h):    #以每个元素为所要对比的小块的左上角元素,依次遍历右,下,右下for l in range(temp_w):if large_image[i + k, j + l] != template[k, l]:match = False    # 不符合breakif not match:breakif match:count += 1return count# 示例数据
large_image = np.array([[255, 255, 0, 255, 255],[255, 255, 0, 255, 255],[0, 0, 255, 0, 0],[255, 255, 0, 255, 255],[255, 255, 0, 255, 255]
])template = np.array([[255, 0],[255, 0]
])# 调用函数
count = find_pattern_count(large_image, template)
print("Pattern count:", count)

# 解法二 双重循环 整体判断
import numpy as npdef find_pattern_count(large_image, template):large_h, large_w = large_image.shapetemp_h, temp_w = template.shapecount = 0for i in range(large_h - temp_h + 1):for j in range(large_w - temp_w + 1):if np.all(large_image[i:i + temp_h, j:j + temp_w] == template):    # 使用all函数判断整体小块是否相同count += 1return count# 示例数据
large_image = np.array([[255, 255, 0, 255, 255],[255, 255, 0, 255, 255],[0, 0, 255, 0, 0],[255, 255, 0, 255, 255],[255, 255, 0, 255, 255]
])template = np.array([[255, 0],[255, 0]
])# 调用函数
count = find_pattern_count(large_image, template)
print("Pattern count:", count)

题目二：三维的 numpy 数组

题目:

有一个三维的 numpy 数组 arr，其维度为 (4, 6, 8)，
元素值为随机浮点数。使用三重循环将每个元素替换为它与同一维度上相邻元素（如果存在）的平均值。
对于边界元素，只考虑存在的相邻元素

注意点：

1.还是边界问题，注意不能让下标越界，而且讨论一定要全面

2.对于 numpy 数组的 shape 属性，shape[0] 表示第一个维度（可以理解为最外层），shape[1] 表示第二个维度，以此类推

3.arr = np.random.rand(4, 6, 8) # 生成随机测试用例

4.如果在边缘没有相邻元素,就加上本身,为了后面能统一计算,就是无论是不是边界都将所有相邻相加除以6，得到平均值

代码:

import numpy as npdef replace_with_average(arr):new_arr = arr.copy()for i in range(arr.shape[0]):for j in range(arr.shape[1]):for k in range(arr.shape[2]):if i > 0 and i < arr.shape[0] - 1:prev_i = arr[i - 1, j, k]next_i = arr[i + 1, j, k]elif i == 0:prev_i = arr[i, j, k]          # 如果在边缘,就加上本身,为了后面能统一计算,就是无论是不是边界都相加除以6next_i = arr[i + 1, j, k]elif i == arr.shape[0] - 1:prev_i = arr[i - 1, j, k]next_i = arr[i, j, k]if j > 0 and j < arr.shape[1] - 1:prev_j = arr[i, j - 1, k]next_j = arr[i, j + 1, k]elif j == 0:prev_j = arr[i, j, k]next_j = arr[i, j + 1, k]elif j == arr.shape[1] - 1:prev_j = arr[i, j - 1, k]next_j = arr[i, j, k]if k > 0 and k < arr.shape[2] - 1:prev_k = arr[i, j, k - 1]next_k = arr[i, j, k + 1]elif k == 0:prev_k = arr[i, j, k]next_k = arr[i, j, k + 1]elif k == arr.shape[2] - 1:prev_k = arr[i, j, k - 1]next_k = arr[i, j, k]new_arr[i, j, k] = (prev_i + next_i + prev_j + next_j + prev_k + next_k) / 6return new_arrarr = np.random.rand(4, 6, 8)  # 生成随机测试用例
print(replace_with_average(arr))

题目三：二维矩阵相邻元素和最大

题目：

在一个二维矩阵中，找出所有相邻元素之和最大的位置。

注意点：

1.使用random模块生成随机数

2.注意这里是生成随机数去测试，所以每次运行代码得到的结果都是不一样的

3.列表推导式：

matrix = [[random.randint(1, 100) for _ in range(cols)] for _ in range(rows)]

这段代码使用列表推导式来创建一个二维列表 matrix 。

rows 表示矩阵的行数，cols 表示矩阵的列数。

外层的列表推导式 [... for _ in range(rows)] 表示要创建 rows 个子列表。

对于每个子列表，内层的列表推导式 [random.randint(1, 100) for _ in range(cols)] 表示生成包含 cols 个元素的列表，每个元素是通过 random.randint(1, 100) 函数随机生成一个 1 到 100 之间（包括 1 和 100）的整数。

最终，matrix 就是一个 rows 行 cols 列的二维矩阵，其中的元素都是随机生成的 1 到 100 之间的整数

4.我们通常用一个下划线_来表示不关心此处具体的变量名是什么，我们只是需要确定的循环数

5.max_sum = float('-inf')初始化max_sum为负无穷大

6.注意边界值的判断，不可出现下标越界

代码：

import randomrows = 5
cols = 5
matrix = [[random.randint(1, 100) for _ in range(cols)] for _ in range(rows)]max_sum = float('-inf')
max_row = -1
max_col = -1for i in range(rows):for j in range(cols):cur_sum = 0if i > 0:cur_sum += matrix[i - 1][j]if i < rows - 1:cur_sum += matrix[i + 1][j]if j > 0:cur_sum += matrix[i][j - 1]if j < cols - 1:cur_sum += matrix[i][j + 1]if cur_sum > max_sum:max_sum = cur_summax_row = imax_col = jprint(f"最大和的位置: ({max_row}, {max_col}), 最大和: {max_sum}")

题目四：菱形图

题目:

打印出一个由数字组成的菱形图

注意：

for i in range(num_rows // 2 - 1, -1, -1)

只有当range第三个参数被传入为-1的时候才会是逆序的顺序遍历循环

代码：

num_rows = 7  # 总行数for i in range(num_rows // 2 + 1):  # 上半部分for j in range(num_rows // 2 - i):print(" ", end="")for k in range(2 * i + 1):print(i + 1, end="")print()for i in range(num_rows // 2 - 1, -1, -1):  # 下半部分for j in range(num_rows // 2 - i):print(" ", end="")for k in range(2 * i + 1):print(i + 1, end="")print()