numpyでの信号侵入

問題は、下の図のように、一連の障害物を通過する信号（光や音など）の伝播をモデル化することです。信号は底面（地形）を通過できませんが、障害物を通過できます。通過した障害物の数を数えたい。

地形と障害物は2Dの数の多い配列（x、y、z）にあります。これが私がすることです：

output = numpy.zeros(terrain.shape)

obstacles = terrain + obstacle_heights


for i in xrange (obstacles.shape[0]):
    for j in xrange (obstacles.shape[1]):

        mask = obstacles[i,j] > terrain[i,j:]
        output[i,j:][mask] +=1

結果は、[0, 0, 0, 1, 1, 1, 2, 3, 4, 4, 4 ...]行ごとのようなものになります。

この方法は正常に機能します（提供された地形の谷はを使用して埋められますnumpy.maximum.accumulate）。さて、ベクトル化されたソリューションを使用してスピードアップすることは可能でしょうか？

上記のコメントにあるように、おそらく操作をベクトル化してforループを削除し、より効率的にすることができます。

ただし、少し異なる方法で問題を検討する場合（しきい値処理など）、scipy ndimageのツールを利用して障害を数えることができます。

まず、起点に関係なく、信号の高さで地形データにしきい値を設定して、信号が存在する可能性のあるブール配列を取得します。

signal_reach = terrain < signal_height

次に、このndimage.labelメソッドを使用して、個別の領域をグループ化できます。

from scipy import ndimage
signal_regions, region_count = ndimage.label(signal_reach)

これが完了したら、信号の発信元セルと一致するリージョンIDを取得します。あなたの場合、それは最初の列になります。

import numpy as np
origin_labels = np.unique(signal_regions[:, 0]) # or whatever indexes meet the start of the signal
# ndimage lables are greater than 1, 0 is an unlabeled region
origin_labels = origin_lables[origin_lables > 0]

ここで、しきい値は、信号が地形+障害物を遮る場所numpy.isinです。今回は、を使用して、対象外の領域または関心領域を除外します。

area_of_interest = np.isin(signal_regions, origin_labels)
signal_intercepted = (obstacles >= signal_height) & area_of_interest

そして、最後のラウンドでndimage.labelは、地形によって遮断された領域を既に除外しているため、遮断された障害の数がわかります。

obstacles_hit, obstacle_count = ndimage.label(signal_intercepted)

ここにはもう少しコードがありますが、2つの大きな利点があります。

• forループがないということは、コードがかなり高速であることを意味します。
• また、計算の目的で、信号の起点はテレインラスタ上の任意の場所または多数のセルにすることができます。