Question

这是我的问题：我使用numpy和python操作432*46*136*136表示包含在numpy数组中的time*(space)的网格。我有一个数组alt，它包含网格点的高度，另一个数组temp存储网格点的温度。

比较存在问题：如果T1和T2是两个结果，则T1[t0,z0,x0,y0]和T2[t0,z0,x0,y0]代表H1[t0,z0,x0,y0]和{{1}的温度分别是米。但我想比较同一高度的点的温度，而不是相同的网格点。

因此我想修改矩阵的z轴来表示高度而不是网格点。我创建了一个函数H2[t0,z0,x0,y0]，它将每个高度的-20到200之间的数字归属。这是我的代码：

conv(alt[t,z,x,y])

但这需要花费太多时间，我无法解决这个问题。我尝试用numpy的通用函数编写它：

def interpolation_extended(self,temp,alt):
    [t,z,x,y]=temp.shape
    new=np.zeros([t,220,x,y])
    for l in range(0,t):
       for j in range(0,z):
          for lat in range(0,x):
             for lon in range(0,y):
                new[l,conv(alt[l,j,lat,lon]),lat,lon]=temp[l,j,lat,lon]
    return new

但这不起作用。你有没有想过在没有使用4个嵌套循环的情况下在python / numpy中这样做？

谢谢

Answer 1

我无法真正尝试代码，因为我没有你的矩阵，但是这样的事情应该可以胜任。

首先，不要将conv声明为函数，而是获取所有数据的整体高度预测：

conv = np.round(alt / 500.).astype(int)

使用np.round，numpys版本的round，它通过向量化C中的操作来舍入矩阵的所有元素，因此，您可以非常快速地获得新数组（以C速度）。通过将所有数组移动到最小值（在您的情况下为-20），以下行将高度与0开始对齐：

conv -= conv.min()

上面的行会将您的高度矩阵从[-20,200]变换为[0,220]（更适合索引）。

通过这种方式，可以通过获得多维索引轻松完成插值：

t, z, y, x = np.indices(temp.shape)

上面的向量包含索引原始矩阵所需的所有索引。然后，您可以通过执行以下操作来创建新矩阵：

new_matrix[t, conv[t, z, y, x], y, x] = temp[t, z, y, x]

根本没有任何循环。

让我知道它是否有效。它可能会给你一些错误，因为我很难在没有数据的情况下测试它，但它应该可以完成这项工作。

以下玩具示例正常：

A = np.random.randn(3,4,5) # Random 3x4x5 matrix -- your temp matrix
B = np.random.randint(0, 10, 3*4*5).reshape(3,4,5) # your conv matrix with altitudes from 0 to 9
C = np.zeros((3,10,5)) # your new matrix

z, y, x = np.indices(A.shape)
C[z, B[z, y, x], x] = A[z, y, x]

C按海拔高度显示结果。

使用通用函数进行Python numpy网格转换

1 个答案: