Python 使用numpy有效地找到最低非屏蔽点

这里的应用程序正在寻找“云基础”，但原则适用于任何地方。我有一个numpy掩蔽的3-D数组（我们会说它对应于一个尺寸为z，y，x的3-D网格盒），其中我掩蔽了所有值小于0.1的点。我想找到的是，在每个x，y点上，没有被遮罩的最低z点索引是什么（不是z中的最低值，最小的z坐标）。我可以想出一些简单的方法，例如：

for x points:
    for y points:
        minz=-1
        for z points:
            if x,y,z is not masked:
                 minz = z 
                 break

然而，这似乎真的很低效，我相信有一种更有效或更具python风格的方法来做到这一点。我错过了什么

编辑：我不需要使用遮罩数组，但这似乎是问这个问题的最简单方法-我可以在不使用遮罩数组的情况下找到某个阈值下的最低点

编辑2:我想要的想法（以z=0为最低点）：

---

假设

A

作为输入数组，您可以-

np.where((A < thresh).all(0),-1,(A >= thresh).argmax(0))

np.其中（（A=thresh.argmax（0））

样本运行

运行#1：

[87]中的

：A
出[87]：
数组（[[0,1]，
[1, 5]],
[[3, 3],
[2, 4]],
[[2, 1],
[4, 9]]])
[88]中：thresh=3
在[89]中：名词短语，其中（（A=thresh.argmax（0））
出[89]：
数组（[[1,1]，
[2, 0]])

运行#2：

[82]中的

：A
出[82]：
数组（[[17,1,2,3]，
[ 5, 13, 11,  2],
[ 9, 16, 11, 19],
[11, 16,  6,  3],
[15,  9, 14, 14]],
[[18, 19,  5,  8],
[13, 13, 17,  2],
[17, 12, 16,  0],
[19, 14, 12,  5],
[ 7,  8,  4,  7]],
[[10, 12, 11,  2],
[10, 18,  6, 15],
[ 4, 16,  0, 16],
[16, 18,  2,  1],
[10, 19,  9,  4]]])
在[83]中：thresh=10
在[84]中：np.式中（（A=thresh.argmax（0））
出[84]：
数组（[[0,1,2，-1]，
[ 1,  0,  0,  2],
[ 1,  0,  0,  0],
[ 0,  0,  1, -1],
[ 0,  2,  0,  0]])

掩蔽后没有

z

的（x，y）情况下输出什么？一些区分符，如-1可以工作-只要注意到缺少数据，我可以相应地绘制。输出不应该是

[[1,1]，[2,1]]

而不是编辑2？否-我在寻找z中的最低点-而不是最低点-抱歉造成混淆。输出是正确的，我将致力于澄清这个问题。这与下面的答案配合得很好。然而，我试图找到z指数，而不是z值。有没有一种更有效的方法可以做到这一点，而不必对每一个单独进行np.Unlavel_索引？我将编辑我的问题以澄清，sorry@Laxsnor使用

.argmin

然后代替

.min

？实际上-刚刚测试过-我不是在寻找未屏蔽的最小值，而是在寻找未屏蔽的最低点。很抱歉造成混淆-请参阅上面我的编辑。在您的示例中，第一行输出将改为：[16,11,19,18]。编辑后的答案仍然存在与以前相同的问题-它检索的是最小非屏蔽点，而不是最低非屏蔽点。我在问题中进一步澄清了我的预期输入/输出。您的答案第一行应该是（取0为“最低”）：[1,2,0,0]或（取2为最低）：[2,2,2,1]。我应该更好地区分最小值和最小值——我是说z坐标最小的那个。最新的编辑看起来效果很好，非常感谢！我接受了你的回答。

np.where((A < thresh).all(0),-1,(A >= thresh).argmax(0))

In [87]: A
Out[87]: 
array([[[0, 1],
        [1, 5]],

       [[3, 3],
        [2, 4]],

       [[2, 1],
        [4, 9]]])

In [88]: thresh = 3

In [89]: np.where((A < thresh).all(0),-1,(A >= thresh).argmax(0))
Out[89]: 
array([[1, 1],
       [2, 0]])

In [82]: A
Out[82]: 
array([[[17,  1,  2,  3],
        [ 5, 13, 11,  2],
        [ 9, 16, 11, 19],
        [11, 16,  6,  3],
        [15,  9, 14, 14]],

       [[18, 19,  5,  8],
        [13, 13, 17,  2],
        [17, 12, 16,  0],
        [19, 14, 12,  5],
        [ 7,  8,  4,  7]],

       [[10, 12, 11,  2],
        [10, 18,  6, 15],
        [ 4, 16,  0, 16],
        [16, 18,  2,  1],
        [10, 19,  9,  4]]])

In [83]: thresh = 10

In [84]: np.where((A < thresh).all(0),-1,(A >= thresh).argmax(0))
Out[84]: 
array([[ 0,  1,  2, -1],
       [ 1,  0,  0,  2],
       [ 1,  0,  0,  0],
       [ 0,  0,  1, -1],
       [ 0,  2,  0,  0]])