Question

我有两个特定区域的数据集：第一个是降雨量，第二个是该区域的植被测量值（npp）。因此，前两个维度（x，y）代表地理位置。第三个维度是时间（8个时间步长）。我想要做的是对8值降雨量的8个值与植被的8个值进行线性回归。结果应该是几个二维数组，其中对于每个位置，p值，r 2，斜率和理想情况下的残差被计算或者所有值都在3D数组中。

nppList = glob.glob(nppPath+"*.img")
rainList = glob.glob(rainPath+"*.img")

nppImg = [gdal.Open(i) for i in nppList]
rainImg = [gdal.Open(i) for i in rainList]

nppFiles = [i.ReadAsArray() for i in nppImg]
rainFiles = [i.ReadAsArray() for i in rainImg]

# get nodata
nppNodata = nppImg[1].GetRasterBand(1).GetNoDataValue()
rainNodata = rainImg[1].GetRasterBand(1).GetNoDataValue()

# convert to float and set no data
nppStack = nppStack.astype(float)
nppStack[nppStack == nppNodata] = np.nan
rainStack = rainStack.astype(float)
rainStack[rainStack == rainNodata] = np.nan

# instead of range(0,8) there should be the rainfall variable, but on a pixel base
def linReg(a):
    return stats.linregress(a, range(0, 8))

lm = np.apply_along_axis(linReg, axis=2, arr=nppStack)

我知道函数numpy.apply_along_axis（）但这里的函数只能应用于一个数组。我正在寻找一种方法，可以沿着一个轴在两个数组上应用一个函数，最好不要在数组中循环。

Answer 1

source for scipy.stats.linregress表示只支持维度大于2的数组（并且只有在x和y数据碰巧位于同一数据结构中的情况下才会支持）。

老实说，在你的情况下我会使用Python循环 - 代码中最慢的部分不可能循环遍历数据点;相反，回归本身将决定速度。

在这种情况下，您可以展平位置轴，使用单个循环，然后将回归结果重新整形为3D。类似的东西：

n = nx * ny
frain = rainStack.reshape((n, 8))
fnpp = nppStack.reshape((n, 8))
reg_results = np.empty((n,5))
for i in range(n):
    reg_results[i] = stats.linregress(frain[i], fnpp[i])
reg_results[i].reshape((nx,ny,8))    # back to 3D

Python：如何沿轴线执行两个numpy 3D数据集的线性回归？

1 个答案: