Python - Skuteczny sposób na znalezienie największego obszaru określonej wartości w tablicy numpy 2D

Question

Mam tablicę 2D numpy, w której niektóre wartości wynoszą zero, a niektóre nie. Próbuję znaleźć skuteczny sposób na znalezienie największej grupy zer w tablicy (zwracając liczbę zer, a także przybliżony obraz miejsca w środku). chciałby odnaleźć kępę 9, z centrum (3,4):

[[ 1, 1, 1, 0, 0 ], 
[ 1, 0, 1, 1, 0 ], 
[ 1, 1, 1, 1, 1 ], 
[ 1, 1, 0, 0, 0 ], 
[ 1, 1, 0, 0, 0 ], 
[ 1, 1, 0, 0, 0 ]] 

Czy istnieje ładny wektorowy drogą do osiągnięcia czegoś takiego w numpy lub scipy?

Kępy będą miały kształt zbliżony do okrągłego i nie mają w nich dziur.

ndimage.label() z scipy robi coś podobnego, ale nie do końca jestem tym, za czym jestem. Mam wrażenie, że numpy.where() i numpy.diff() mogą być pomocne, ale nie wiem, jak skutecznie je wykorzystać, aby rozwiązać ten problem.

Answer 1

Jesteś prawie tam, wystarczy połączyć ndimage.label z numpy.bincount:

import numpy as np 
from scipy import ndimage 

array = np.random.randint(0, 3, size=(200, 200)) 

label, num_label = ndimage.label(array == 0) 
size = np.bincount(label.ravel()) 
biggest_label = size[1:].argmax() + 1 
clump_mask = label == biggest_label 

Gdy masz clump_mask można obliczyć ciężkości lub użyć innej metody, aby dostać się do centrum.