Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Scale transform changes aggregate results

オープン 初心者向け
  • 何か問題がありますか？
#1,028 コメント 2 件 リアクション 0 件 担当者 0 名 GitHub で見る

メンテナーはふだん 2 日以内に返信

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
68/100
issue の種類
ドキュメント
明瞭さ
おおむね明確
活発さ
活発
技術スタック
python
領域
documentation

調査の方向性

提供された Python の例から始め、座標系、変換、集約を扱っているチュートリアルを確認してください。Scale が sum と mean の集約結果をどのように変えるかを確認し、対象座標系の影響が明確になるよう関連するチュートリアルを更新して、例が引き続き理解しやすいことを確認してください。

索引モデルが issue の本文から書いたものです。

説明

needs: triage priority: low

Hey everyone,
as mentioned on Zulip I am using macsima data, where the macsima reader by default adds the Scale transformation to the coordinate system. I noticed that when I remove this my aggregation results are slightly different. This is most prominent for small signals, for larger signals it is not so pronounced. My original use case was for the mean intensity. For sum its very obvious that the absolute values change due to the transform, but the ratios stay similar.

Of course I understand that it makes sense to apply the transform before doing the aggregation, since they are intended for example for aligning my labels with the image. Still it was a bit unintuitive for me that this happens as a new user. Maybe this could be highlighted also a bit more in the tutorials. As requested below is a small example.

import spatialdata as sd
from spatialdata.datasets import blobs
from spatialdata.transformations import set_transformation, Scale

sdata = blobs()
# set scale transformation to new coordinate system. global coord system has Identity transform
scale_transform = Scale([0.1, 0.1], ("x", "y"))
set_transformation(sdata["blobs_image"], transformation=scale_transform, to_coordinate_system="scaled")
set_transformation(sdata["blobs_labels"], transformation=scale_transform, to_coordinate_system="scaled")

global_sum = sdata.aggregate(values="blobs_image", by="blobs_labels", target_coordinate_system="global")

print(global_sum["table"].X[:1])
#<Compressed Sparse Row sparse matrix of dtype 'float64'
#	with 3 stored elements and shape (1, 3)>
#  Coords	Values
#  (0, 0)	1309.3692551660652
#  (0, 1)	1587.8641823936478
#  (0, 2)	3125.1190857645483

scaled_sum = sdata.aggregate(values="blobs_image", by="blobs_labels", target_coordinate_system="scaled")

print(scaled_sum["table"].X[:1])
#<Compressed Sparse Row sparse matrix of dtype 'float64'
#	with 3 stored elements and shape (1, 3)>
#  Coords	Values
#  (0, 0)	12.758250581405642
#  (0, 1)	15.427204091295
#  (0, 2)	31.23271691509622


global_mean = sdata.aggregate(values="blobs_image", by="blobs_labels", agg_func="mean", target_coordinate_system="global")

print(global_mean["table"].X[:1])
#<Compressed Sparse Row sparse matrix of dtype 'float64'
#	with 3 stored elements and shape (1, 3)>
#  Coords	Values
#  (0, 0)	0.08696083251418378
#  (0, 1)	0.10545687603066001
#  (0, 2)	0.20755257260839133

scaled_mean = sdata.aggregate(values="blobs_image", by="blobs_labels", agg_func="mean", target_coordinate_system="scaled")

print(scaled_mean["table"].X[:1])
#<Compressed Sparse Row sparse matrix of dtype 'float64'
#	with 3 stored elements and shape (1, 3)>
#  Coords	Values
#  (0, 0)	0.08449172570467313
#  (0, 1)	0.10216691451188742
#  (0, 2)	0.2068391848681869
主要言語
Python
スター
394
フォーク
95
平均マージ
5日 9時間
マージ済み PR（30日）
3

環境構築

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

scverse/spatialdata のほかの issue

scverse/spatialdata の issue をすべて見る

似ている issue

Python の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。