Python 掩模二维numpy阵列
我想在2D numpy数组上应用掩码。但它不能正常工作。如果我有Python 掩模二维numpy阵列,python,arrays,numpy,Python,Arrays,Numpy,我想在2D numpy数组上应用掩码。但它不能正常工作。如果我有 val(lat, lon) ---> my 2D array (20, 30) Mask_lat = np.ma.masked_array(lat, mask=latmask) ---> masked lat (5,) Mask_lon = np.ma.masked_array(lon, mask =lonmask) ---> masked lon (8,) Maks_val = np.ma.
val(lat, lon) ---> my 2D array (20, 30)
Mask_lat = np.ma.masked_array(lat, mask=latmask) ---> masked lat (5,)
Mask_lon = np.ma.masked_array(lon, mask =lonmask) ---> masked lon (8,)
Maks_val = np.ma.masked_array(val, mask=mask_lat_lon) ---> ?
我不知道如何通过正确的mask\u lat\u lon
来屏蔽val(5,8)
。如果有人能指引我,我将不胜感激
提前谢谢。如果我正确理解了您的问题,您有两个1D数组,它们表示2D数组中的y和x(横向和纵向)位置。要基于二维阵列中的x/y位置遮罩区域 要理解的关键部分是二维阵列的遮罩也是二维的 例如,让我们屏蔽二维阵列的单个元素:
import numpy as np
z = np.arange(20).reshape(5, 4)
mask = np.zeros(z.shape, dtype=bool)
mask[3, 2] = True
print z
print np.ma.masked_array(z, mask)
这将产生:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 -- 15]
[16 17 18 19]]
在本例中,需要使用两个1D x和y阵列创建二维遮罩。例如:
import numpy as np
x = np.linspace(-85, -78, 4)
y = np.linspace(32, 37, 5)
z = np.arange(20).reshape(5, 4)
xmask = (x > -82.6) & (x < -80)
ymask = (y > 33) & (y < 35.6)
print xmask
print ymask
使用newaxis
(或None
,它们是同一对象)进行切片时,会在该位置添加一个新轴,从而将1D阵列转换为2D阵列。如果您以前看到过这一点,那么快速查看一下xmask[np.newaxis,:]
和ymask[:,np.newaxis]
看起来像什么很有用:
In [14]: xmask
Out[14]: array([False, False, True, False], dtype=bool)
In [15]: ymask
Out[15]: array([False, True, True, False, False], dtype=bool)
In [16]: xmask[np.newaxis, :]
Out[16]: array([[False, False, True, False]], dtype=bool)
In [17]: ymask[:, np.newaxis]
Out[17]:
array([[False],
[ True],
[ True],
[False],
[False]], dtype=bool)
mask
将被屏蔽(请记住True
元素被屏蔽):
最后,我们可以基于此掩码从z
创建二维掩码数组:
arr = np.masked_array(z, mask)
这给了我们最终的结果:
[[ 0 1 2 3]
[ 4 5 -- 7]
[ 8 9 -- 11]
[12 13 14 15]
[16 17 18 19]]
我的第一个想法是
lonmask&latmask
,但我不清楚什么是masked lat(5,)
我真的不明白你在问什么。你能给出一个具体的例子来展示你的输入和你想要的输出吗?我该如何改变逻辑,以便在组合两个一维掩模来创建二维掩模时,我可以在任何一个一维掩模为真的地方进行掩模。我有一个非常相似的问题,除了我想掩盖所有经度的某些纬度和所有纬度的某些经度。我有一个用于纬度的1D掩码和一个用于经度的1D掩码。@Will.Evo,要通过两个1D掩码有效地剪裁2D数组,请如上所示创建mask
,然后clipped_z=z[mask]
。这将创建一个1D数组,然后可以使用clipped_z.reforme()
将其转换为2D。可以使用np.sum(xmask)
和np.sum(ymask)
获得适当的整形尺寸,它们计算True
的数量。
arr = np.masked_array(z, mask)
[[ 0 1 2 3]
[ 4 5 -- 7]
[ 8 9 -- 11]
[12 13 14 15]
[16 17 18 19]]