从三个1D numpy数组中填充2D numpy数组

时间:2013-02-27 17:55:23

标签: python numpy

是否有一种有效的方法可以在不使用循环的情况下从未排序的坐标点创建值的二维数组(即,并非所有的lons和/或lats都是升序或降序)?

示例数据

lats = np.array([45.5,45.5,45.5,65.3,65.3,65.3,43.2,43.2,43.2,65.3])
lons = np.array([102.5,5.5,116.2,102.5,5.5,116.2,102.5,5.5,116.2,100])
vals = np.array([3,4,5,6,7,7,9,1,0,4])

示例输出
每列代表一个唯一的经度(102.5,5.5,116.2和100),每列代表一个独特的纬度(45.5,65.3,& 43.2)。

([ 3, 4, 5, NaN],
 [ 6, 7, 7, 4],
 [ 9, 1, 0, NaN])

尽管如此,它并不是那么直截了当,因为我不一定知道每个lon或lat有多少副本决定阵列的形状。

更新
我的数据排列不正确。我现在已经安排好了,所以它们都是唯一的对,还有一个额外的数据点来演示当NaN存在时如何安排数据。

3 个答案:

答案 0 :(得分:5)

您发布的示例没有多大意义,并且它不允许任何合理的方式来指定丢失的数据。我在这里猜测,但你可能正在处理的唯一合理的事情似乎是这样的:

>>> lats = np.array([43.2, 43.2, 43.2, 45.5, 45.5, 45.5, 65.3, 65.3, 65.3])
>>> lons = np.array([5.5, 102.5, 116.2, 5.5, 102.5, 116.2, 5.5, 102.5, 116.2])
>>> vals = np.array([3, 4, 5, 6, 7, 7, 9, 1, 0])

vals[j]中的值来自纬度lats[j]和经度lons[j],但数据可能会被扰乱,如:

>>> indices = np.arange(9)
>>> np.random.shuffle(indices)
>>> lats = lats[indices]
>>> lons = lons[indices]
>>> vals = vals[indices]
>>> lats
array([ 45.5,  43.2,  65.3,  45.5,  43.2,  65.3,  45.5,  65.3,  43.2])
>>> lons
array([   5.5,  116.2,  102.5,  116.2,    5.5,  116.2,  102.5,    5.5,  102.5])
>>> vals
array([6, 5, 1, 7, 3, 0, 7, 9, 4])

您可以按如下方式将其排列成数组:

>>> lat_vals, lat_idx = np.unique(lats, return_inverse=True)
>>> lon_vals, lon_idx = np.unique(lons, return_inverse=True)
>>> vals_array = np.empty(lat_vals.shape + lon_vals.shape)
>>> vals_array.fill(np.nan) # or whatever yor desired missing data flag is
>>> vals_array[lat_idx, lon_idx] = vals
>>> vals_array
array([[ 3.,  4.,  5.],
       [ 6.,  7.,  7.],
       [ 9.,  1.,  0.]])

答案 1 :(得分:1)

如果您正在创建2D阵列,则所有阵列必须具有相同的点数。如果是这样,你可以简单地做

out = np.vstack((lats, lons, vals))

修改

认为这可能是你所追求的,它至少与你的问题相符:)

xsize = len(np.unique(lats))
ysize = len(np.unique(lons))

然后如果你的数据表现得很好

out = [vals[i] for i, (x, y) in enumerate(zip(lats, lons))]
out = np.asarray(out).reshape((xsize, ysize))

答案 2 :(得分:1)

import numpy as np

lats = np.array([45.5,45.5,45.5,65.3,65.3,65.3,43.2,43.2,43.2,65.3])
lons = np.array([102.5,5.5,116.2,102.5,5.5,116.2,102.5,5.5,116.2,100])
vals = np.array([3,4,5,6,7,7,9,1,0,4])


def unique_order(seq): 
    # http://www.peterbe.com/plog/uniqifiers-benchmark (Dave Kirby)
    # Order preserving
    seen = set()
    return [x for x in seq if x not in seen and not seen.add(x)]

unique_lats, idx_lats = np.unique(lats, return_inverse=True)
unique_lons, idx_lons = np.unique(lons, return_inverse=True)
perm_lats = np.argsort(unique_order(lats))
perm_lons = np.argsort(unique_order(lons))

result = np.empty((len(unique_lats), len(unique_lons)))
result.fill(np.nan)
result[perm_lats[idx_lats], perm_lons[idx_lons]] = vals
print(result)

产量

[[  3.   4.   5.  nan]
 [  6.   7.   7.   4.]
 [  9.   1.   0.  nan]]