求Python实现一维/二维数组非零连通块（含对角线）计数方法与内置函数

1. 你的一维方法无法直接用于二维场景 #

一维思路仅处理了线性的左右相邻关系，但二维场景下的连通性需要覆盖上下、左右以及四个对角线方向的相邻元素，原有的遍历逻辑完全无法适配这种多方向的连通判断，直接套用会得到错误的计数结果。

2. 支持对角线连通的二维连通块计数实现 #

手动实现（无第三方依赖） #

通过BFS或DFS遍历数组，遇到未标记的非零元素时，标记所有与之8连通（含对角线）的元素，每完成一次遍历就累加一个连通块计数。

import numpy as np
from collections import deque

def count_patches_2D_8connect(array):
    arr = np.asarray(array)
    rows, cols = arr.shape
    visited = np.zeros_like(arr, dtype=bool)
    patch_count = 0
    # 定义8个方向的偏移量
    dirs = [(-1,-1), (-1,0), (-1,1),
            (0,-1),          (0,1),
            (1,-1),  (1,0), (1,1)]
    
    for i in range(rows):
        for j in range(cols):
            if arr[i,j] != 0 and not visited[i,j]:
                patch_count += 1
                # BFS标记连通区域
                q = deque([(i,j)])
                visited[i,j] = True
                while q:
                    x, y = q.popleft()
                    for dx, dy in dirs:
                        nx, ny = x+dx, y+dy
                        if 0 <= nx < rows and 0 <= ny < cols:
                            if arr[nx, ny] != 0 and not visited[nx, ny]:
                                visited[nx, ny] = True
                                q.append((nx, ny))
    return patch_count

# 测试示例
print(count_patches_2D_8connect([[1,0],[1,1]]))  # 输出1
print(count_patches_2D_8connect([[1,0],[0,1]]))  # 输出1

用scipy简化实现 #

Python标准库没有内置函数，但scipy.ndimage.label可以快速实现，通过指定结构元素来启用8连通规则：

import numpy as np
from scipy.ndimage import label, generate_binary_structure

def count_patches_2D_scipy(array):
    arr = np.asarray(array)
    # 生成8连通的结构模板：参数2表示二维，2表示连通阶数（8连通）
    structure = generate_binary_structure(2, 2)
    _, num_patches = label(arr, structure=structure)
    return num_patches

# 测试示例
print(count_patches_2D_scipy([[1,0],[1,1]]))  # 输出1
print(count_patches_2D_scipy([[1,0],[0,1]]))  # 输出1

3. Python标准库没有对应内置函数 #

Python自带的标准库中没有专门用于统计非零元素8连通块的函数。如果不能使用第三方库，就用上面的手动BFS/DFS实现；如果可以引入scipy，ndimage.label是最高效的选择，它还支持切换为4连通（仅上下左右）的规则。

内容的提问来源于stack exchange，提问作者hwerner