Python 如何使用具有不同原点和/或形状的多个mgrid计算值

我想看看是否可以使用numpy-ndarray在python中使用GIS光栅算法。我正在计算多个定义区域（x，y）的概率值（z），并希望随后将概率相加。栅格重叠，但在x、y轴上的尺寸不相同。结果应显示网格重叠处添加的概率，并在不重叠处保留相应网格的概率值

我已经计算出了网格，但无法将它们相加。这可以在numpy中完成，还是我需要使用rasterio/GDAL工具？mgrids是最好的方法吗

我创建了一些简单的mgrid来说明这个问题

ys, xs = np.mgrid[5:15:5j, 0:5:5j]
f = lambda x, y: x * y + 1
vf = np.vectorize(f)
r = vf(xs, ys)
c1 = np.array([xs, ys, r])

ys2, xs2 = np.mgrid[4:9:6j, 1:6:6j]
f2 = lambda x, y: x + y * 2
vf2 = np.vectorize(f2)
r2 = vf2(xs2, ys2)
c2 = np.array([xs2, ys2, r2])

要绘制它们：

plt.contourf(c1[0], c1[1], c1[2], levels = 100)
plt.colorbar()
plt.show()

---

您的两个网格没有严格的超集-子集关系。下面是它们的样子：

如您所见，当两个栅格的域重叠时，实际栅格点是不相交的，只有一个栅格点

您将如何累积这些数据点？您拥有的阵列为每个网格点存储概率

z_i=z（x_i，y_i）

。该函数是离散的，仅在网格上定义。不能添加两个数据集，除非它们的网格点彼此对应。这样做没有任何意义

---

您可以做的是对其中一个栅格的数据进行插值，然后将其添加到另一个栅格（或第三个公共栅格）。这并不精确，只有在数据足够平滑的情况下才能起作用。此外，栅格只有部分重叠，因此您必须找出如何处理有多个点的区域和没有多个点的区域

contourf

也将接受2d格子的数据（即，好像是从

mgrid

生成的）。因此，您最初的问题的答案是“您不能直接这样做”。

旁注：如果您只使用元素算术运算，则不需要

矢量化。
plt.contourf(c2[0], c2[1], c2[2], levels = 100)
plt.colorbar()
plt.show()