La guía o código que verás en este post es la solución más eficiente y válida que hallamos a esta duda o problema.
Solución:
Debe utilizar el producto de Kronecker, numpy.kron:
Calcula el producto de Kronecker, un compuesto array hecho de bloques de la segunda array escalado por el primero
import numpy as np
a = np.array([[1, 1],
[0, 1]])
n = 2
np.kron(a, np.ones((n,n)))
que da lo que quieres:
array([[1, 1, 1, 1],
[1, 1, 1, 1],
[0, 0, 1, 1],
[0, 0, 1, 1]])
podrías usar repeat
:
In [6]: a.repeat(2,axis=0).repeat(2,axis=1)
Out[6]:
array([[1, 1, 1, 1],
[1, 1, 1, 1],
[0, 0, 1, 1],
[0, 0, 1, 1]])
No estoy seguro de si hay una forma clara de combinar las dos operaciones en una sola.
scipy.misc.imresize
puede escalar imágenes. También se puede usar para escalar matrices numpy:
#!/usr/bin/env python
import numpy as np
import scipy.misc
def scale_array(x, new_size):
min_el = np.min(x)
max_el = np.max(x)
y = scipy.misc.imresize(x, new_size, mode='L', interp='nearest')
y = y / 255 * (max_el - min_el) + min_el
return y
x = np.array([[1, 1],
[0, 1]])
n = 2
new_size = n * np.array(x.shape)
y = scale_array(x, new_size)
print(y)
Aquí puedes ver las comentarios y valoraciones de los usuarios
Puedes sustentar nuestra investigación exponiendo un comentario o dejando una valoración te damos las gracias.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)