我已经屏蔽了numpy数组。在对每个元素进行处理时,我需要首先检查特定元素是否被屏蔽,如果屏蔽,那么我需要跳过这些元素。
我试过这样的话:
from netCDF4 import Dataset
data=Dataset('test.nc')
dim_size=len(data.dimensions[nc_dims[0]])
model_dry_tropo_corr=data.variables['model_dry_tropo_corr'][:]
solid_earth_tide=data.variables['solid_earth_tide'][:]
for i in range(0,dim_size)
try :
model_dry_tropo_corr[i].mask=True
continue
except :
Pass
try:
solid_earth_tide[i].mask=True
continue
except:
Pass
correction=model_dry_tropo_corr[i]/2+solid_earth_tide[i]
还有其他有效方法吗,请告诉我。您的建议或意见非常感谢。
答案 0 :(得分:1)
您可以使用
代替循环correction = model_dry_tropo_corr/2 + solid_earth_tide
这将创建一个新的蒙版数组,它将包含您的答案和掩码。然后,您可以从新阵列中访问未屏蔽的值。
答案 1 :(得分:0)
我对这段代码感到困惑
try :
model_dry_tropo_corr[i].mask=True
continue
except :
Pass
我没有安装netCDF4
,但是从文档中可以看出您的变量看起来像,甚至可能是numpy.ma
蒙版数组。
如果您使用shape和dtype等属性打印此变量的全部或部分内容将会很有帮助。
我可以创建一个带有表达式的掩码数组:
In [746]: M=np.ma.masked_where(np.arange(10)%3==0,np.arange(10))
In [747]: M
Out[747]:
masked_array(data = [-- 1 2 -- 4 5 -- 7 8 --],
mask = [ True False False True False False True False False True],
fill_value = 999999)
我可以使用:
测试给定元素的掩码是否为True / FalseIn [748]: M.mask[2]
Out[748]: False
In [749]: M.mask[3]
Out[749]: True
但如果我先编入索引,
In [754]: M[2]
Out[754]: 2
In [755]: M[3]
Out[755]: masked
In [756]: M[2].mask=True
...
AttributeError: 'numpy.int32' object has no attribute 'mask'
In [757]: M[3].mask=True
所以是的,你的try / except会跳过掩码设置为True的元素。
但我认为这样做很清楚:
if model_dry_tropo_corr.mask[i]:
continue
但这仍然是迭代的。
但正如@user3404344
所示,您可以使用变量执行数学运算。掩蔽将继续。如果掩盖的值不好,这可能会成为一个问题。并导致计算错误。
如果我定义另一个蒙面数组
In [764]: N=np.ma.masked_where(np.arange(10)%4==0,np.arange(10))
In [765]: N+M
Out[765]:
masked_array(data = [-- 2 4 -- -- 10 -- 14 -- --],
mask = [ True False False True True False True False True True],
fill_value = 999999)
您可以看到M
或N
中屏蔽的元素如何在结果中被屏蔽
我可以使用compressed
方法仅提供有效元素
In [766]: (N+M).compressed()
Out[766]: array([ 2, 4, 10, 14])
使用蒙面数组进行数学运算时,填充也很方便:
In [779]: N.filled(0)+M.filled(0)
Out[779]: array([ 0, 2, 4, 3, 4, 10, 6, 14, 8, 9])
我可以使用filled
来中和问题计算,并仍然屏蔽这些值
In [785]: z=np.ma.masked_array(N.filled(0)+M.filled(0),mask=N.mask|M.mask)
In [786]: z
Out[786]:
masked_array(data = [-- 2 4 -- -- 10 -- 14 -- --],
mask = [ True False False True True False True False True True],
fill_value = 999999)
哎呀,我不需要担心掩盖的值会弄乱计算。蒙面的补充正在为我填充
In [787]: (N+M).data
Out[787]: array([ 0, 2, 4, 3, 4, 10, 6, 14, 8, 9])
In [788]: N.data+M.data # raw unmasked addition
Out[788]: array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])
In [789]: z.data # same as the (N+M).data
Out[789]: array([ 0, 2, 4, 3, 4, 10, 6, 14, 8, 9])