小编Art*_*hur的帖子

假设我有一个 numpy 数组

    a b c
A = i j k
    u v w

我想将值中心元素与其八个相邻元素中的一些元素（沿轴或沿对角线）进行比较。除了嵌套的 for 循环（对于大矩阵来说太慢）之外，还有什么更快的方法吗？

更具体地说，我想做的是将元素的值与其邻居进行比较并分配新值。

例如：

    if (j == 1):
      if (j>i) & (j>k):
        j = 999
      else:
        j = 0
    if (j == 2):
      if (j>c) & (j>u):
        j = 999
      else:
        j = 0
   ...

像这样的东西。

我知道有 scipy.signal.convolve2d 函数来处理 2d numpy 数组的二维卷积，并且有 numpy.ma 模块来处理丢失的数据，但这两种方法似乎并不兼容（这意味着即使你在 numpy 中屏蔽了一个二维数组，convolve2d 中的过程不会受到影响）。有没有办法仅使用 numpy 和 scipy 包来处理卷积中的缺失值？

例如：

            1 - 3 4 5
            1 2 - 4 5
   Array =  1 2 3 - 5
            - 2 3 4 5
            1 2 3 4 -

  Kernel =  1  0
            0 -1

卷积所需的结果（数组，内核，边界 =“包裹”）：

               -1  - -1 -1 4
               -1 -1  - -1 4
    Result =   -1 -1 -1  - 5
                - -1 -1  4 4
                1 -1 -1 -1 -

感谢Aguy的建议，这是一个非常好的方法来帮助卷积后的结果计算。现在假设我们可以从 Array.mask …

我是SQL新手并且对"WHERE 1 IN"子句感到困惑,我的问题是:

让我们以w3schools的数据库为例.

如果我查询为:

SELECT C1.CustomerID From Customers C1
WHERE 1 IN 
  (SELECT COUNT(O1.CustomerID) FROM Orders O1 
   WHERE C1.CustomerID = O1.CustomerID);

这个查询是什么意思？任何帮助将不胜感激,谢谢!