如何以更Pythonic方式直接比较SOM中BMU与点的坐标？

嘿，这个问题问到点子上了！处理NumPy数组形式的坐标时，完全不用手动拆分维度值来做比较，用NumPy自带的方法就能写出更简洁、可读性更高的代码。

核心解决方案 #

假设你的bmu和point都是一维NumPy数组（比如形状为(2,)的坐标对），可以直接用以下两种方式替代a == c and b == d：

1. 单个坐标对的精确匹配：使用np.array_equal()函数，它会逐元素比较两个数组，只有当所有元素都相等时才返回True：

import numpy as np

# 示例：bmu和point都是二维坐标数组
bmu = np.array([1, 3])
point = np.array([1, 3])

# 替代a == c and b == d
if np.array_equal(bmu, point):
    # 执行你的逻辑
    pass

2. 批量数组的匹配检查：如果要在points（去重后的BMU坐标数组）中批量查找与目标BMU匹配的行，可以用(points == target_bmu).all(axis=1)，这会返回一个布尔数组，标记所有匹配的行：

# 基于你提到的去重代码
points = np.unique(np.array(som.bmus), axis=0)
target_bmu = np.array([2, 5])

# 找出所有匹配的行索引
match_indices = np.where((points == target_bmu).all(axis=1))[0]

对比原写法的优势 #

• 无需手动拆分量：不用再定义a,b,c,d这类临时变量，代码更简洁
• 扩展性强：如果以后你的SOM扩展到三维甚至更高维度，这段代码不用做任何修改就能直接用
• 效率更高：NumPy的向量化操作比手动循环拆分的速度快得多，尤其是处理大规模数据集时

完整代码示例 #

把原来的循环逻辑改成Pythonic版本：

import numpy as np
import somoclu

# 假设你已经训练好SOM并得到bmus
som = somoclu.Somoclu(...)
som.train(...)

# 处理BMU坐标
bmus_arr = np.array(som.bmus)
points = np.unique(bmus_arr, axis=0)

# 遍历每个BMU，匹配对应的去重后坐标
for bmu in bmus_arr:
    # 找到当前bmu在points中的匹配项
    matches = points[(points == bmu).all(axis=1)]
    if len(matches) > 0:
        # 执行邻居查找等后续逻辑
        pass

内容的提问来源于stack exchange，提问作者Matti Wens