Python 插入缺少的值

我有一个2d数组（或者矩阵，如果你喜欢的话），其中一些缺失的值表示为

NaN

。缺少的值通常沿一条轴排列，例如：

1   2   3 NaN   5
2   3   4 Nan   6
3   4 Nan Nan   7
4   5 Nan Nan   8
5   6   7   8   9

在这里，我想用一些合理的数字替换

NaN

我查看了delaunay三角测量，但发现的文档很少

我尝试使用，因为它支持使用2d数组，而且非常简单。 问题是卷积不是插值，它将所有值移向平均值（这可以通过使用窄核来缓解）

---

这个问题应该是问题的自然二维延伸。是否有方法在2d数组中插入缺失的值

实际上，我会一行一行地手动浏览这个矩阵，每当你开始遇到一个NaN列表时，请跟踪NaN之前和之后的数字，以及在返回到普通数字之前看到的NaN的数量。一旦找到这些数字，就有可能自己用插值覆盖NAN

是的，您可以使用和屏蔽数组，并且您可以选择您喜欢的插值类型，使用参数

方法

通常

'cubic'

做得很好：

import numpy as np
from scipy import interpolate


#Let's create some random  data
array = np.random.random_integers(0,10,(10,10)).astype(float)
#values grater then 7 goes to np.nan
array[array>7] = np.nan

使用

plt.imshow（array，interpolation='nearest'）

:

这是最终结果：

看，如果nan值在边上，并且被nan值包围，那么它们就不能被插值，并且会被保留

nan

。您可以使用

fill\u value

参数更改它

---

如果存在一个3x3的NaN值区域，这将如何工作？您是否会获得中间点的合理数据？ 这取决于您的数据类型，您必须执行一些测试。例如，您可以故意屏蔽一些好的数据，使用带有屏蔽值的数组尝试不同类型的插值，例如立方体、线性等，并计算插值值与之前屏蔽的原始值之间的差值，然后查看哪种方法返回较小的差值

您可以使用以下内容：

reference = array[3:6,3:6].copy()
array[3:6,3:6] = np.nan
method = ['linear', 'nearest', 'cubic']

for i in method:
    GD1 = interpolate.griddata((x1, y1), newarr.ravel(),
                              (xx, yy),
                                 method=i)
    meandifference = np.mean(np.abs(reference - GD1[3:6,3:6]))
    print ' %s interpolation difference: %s' %(i,meandifference )

   linear interpolation difference: 4.88888888889
   nearest interpolation difference: 4.11111111111
   cubic interpolation difference: 5.99400137377

这就产生了这样的结果：

reference = array[3:6,3:6].copy()
array[3:6,3:6] = np.nan
method = ['linear', 'nearest', 'cubic']

for i in method:
    GD1 = interpolate.griddata((x1, y1), newarr.ravel(),
                              (xx, yy),
                                 method=i)
    meandifference = np.mean(np.abs(reference - GD1[3:6,3:6]))
    print ' %s interpolation difference: %s' %(i,meandifference )

   linear interpolation difference: 4.88888888889
   nearest interpolation difference: 4.11111111111
   cubic interpolation difference: 5.99400137377

---

当然，这是针对随机数的，所以结果可能会有很大的变化是正常的。因此，最好的办法是测试数据集中的“故意屏蔽”部分，看看会发生什么。

有很多方法可以对其进行插值。一个困难是数据不再是矩形的，许多简单的2d插值算法都需要这样做，但这仍然是可能的。您对插值有什么特殊要求吗？例如，这可能正是您所需要的。只需传入非NaN的数据点，然后在构建插值后在NaN点重新采样。此外，这个问题：看起来基本相同。@JeremyWest非常感谢您提供的链接，我认为这与我所寻找的非常接近。如果存在3x3 NaN值区域，这将如何工作，你能得到关于中间点的合理数据吗？@M.T嗨，我已经编辑了答案，来回答这个问题。