Python 带遮罩阵列的ndimage map_坐标

我使用ndimage进行插值，如下所示：

ndimage.map_coordinates(input_data, coords, output, 2, prefilter=False)

现在的问题是，我没有对我的整个输入数据进行有效的测量。所以，我有一个屏蔽数组，它告诉我哪些数据点是有效的。因此，在进行插值时，我只希望使用有效的像素，并相应地调整权重（以确保权重总和为1）

---

然而，我发现要做到这一点并不容易。我想知道是否有人知道这样做的好方法，或者可以告诉我一些我可以使用的库或代码。我来自C++背景，所以仍然在Python上找到我的方法。 听起来您需要关注数据的插值，然后从所需坐标中提取值。对于1D和2D，您需要签出插值函数（）。这两个函数都可以加权，并提供对插值样条曲线函数的微调控制

使用所需权重过滤数据后，可以使用确定指定坐标处的值

ndimage.map_coordinates(input_data, coords, output, prefilter=True)

---

注意：不需要

prefilter

关键字参数，因为这是默认值

您可以使用

scipy.interpolate.griddata

从任意已知数据点获取插值。这个例子

将numpy导入为np
从scipy.interpolate导入网格数据
#数据阵列
a=np.arange（9）。重塑（（3,3））。a型（浮动）
a[1,1]=np.nan
印刷品（a）
a=a.展平（）
#坐标阵列
ii，jj=np.指数（（3,3））
ij=np.stack（（ii.flatte（），jj.flatte（）），轴=1）
#过滤掉未知数
掩码=~np.isnan（a）
a=a[面具]
ij=ij[遮罩]
#为缺少的[1，1]元素进行插值
res=griddata（ij，a，（1，1），method='cubic'）
打印（res）

产生

[[ 0.  1.  2.]
 [ 3. nan  5.]
 [ 6.  7.  8.]]

4.000000157826586

---

问题是插值数据无法处理屏蔽阵列。基本上，我不希望它使用掩码中没有的值。然而，我不知道如何做到这一点。我在scipy上看到了一些关于这个问题的罚单，但我认为这个问题还没有解决。排除数据的一个好方法是将该数据的权重设置为0。否则，您可以将不需要的值设置为

nan

，然后可能执行类似于stackoverflow.com/questions/6518811/interpolate-nan-values-in-A-numpy-arrary的操作。我不确定这是否提供了对权重的请求控制，但它们的总和必须为1。