Question

...addListener(chartRecentPmmLevelCalculated, 'select', selectHandler);

我想将一个numpy数组import numpy as np from skimage.measure import block_reduce arr = np.random.random((6, 6)) area_cell = np.random.random((6, 6)) block_reduce(arr, block_size=(2, 2), func=np.ma.mean)从6 x 6大小重新编译为3 x 3.使用skimage函数block_reduce进行此操作。

但是，arr假设每个网格单元具有相同的大小。当每个网格单元具有不同的大小时，如何解决此问题？在这种情况下，每个网格单元的大小由numpy数组block_reduce

给出

- 编辑：

一个例子：

area_cell

arr

如果0.25 0.58 0.69 0.74 0.49 0.11 0.10 0.41 0.43 0.76 0.65 0.79 0.72 0.97 0.92 0.09的所有元素都是1，我们将4 x 4 arr转换为2 x 2，结果将是：

area_cell

但是，如果0.36 0.48 0.72 0.61如下：

area_cell

然后，结果变为：

0.00    1.00    1.00    0.00
0.00    1.00    0.00    0.50
0.20    1.00    0.80    0.80
0.00    0.00    1.00    1.00

Answer 1

似乎您仍在按块进行缩减，但在使用arr缩放area_cell之后。因此，您只需要在这两个数组之间执行逐元素乘法，并在该产品数组上使用相同的block_reduce代码，就像这样 -

block_reduce(arr*area_cell, block_size=(2, 2), func=np.ma.mean)

或者，我们可以在重新塑造到产品数组的4D版本之后简单地使用np.mean，就像这样 -

m,n = arr.shape
out = (arr*area_cell).reshape(m//2,2,n//2,2).mean(axis=(1,3))

示例运行 -

In [21]: arr
Out[21]: 
array([[ 0.25,  0.58,  0.69,  0.74],
       [ 0.49,  0.11,  0.1 ,  0.41],
       [ 0.43,  0.76,  0.65,  0.79],
       [ 0.72,  0.97,  0.92,  0.09]])

In [22]: area_cell
Out[22]: 
array([[ 0. ,  1. ,  1. ,  0. ],
       [ 0. ,  1. ,  0. ,  0.5],
       [ 0.2,  1. ,  0.8,  0.8],
       [ 0. ,  0. ,  1. ,  1. ]])

In [23]: block_reduce(arr*area_cell, block_size=(2, 2), func=np.ma.mean)
Out[23]: 
array([[ 0.1725 ,  0.22375],
       [ 0.2115 ,  0.5405 ]])

In [24]: m,n = arr.shape

In [25]: (arr*area_cell).reshape(m//2,2,n//2,2).mean(axis=(1,3))
Out[25]: 
array([[ 0.1725 ,  0.22375],
       [ 0.2115 ,  0.5405 ]])

Regrid numpy数组基于单元格区域

1 个答案: