Question

我有一个尺寸为I[t, z, y, x]的4d-xarray和一个尺寸为Z[t, y, x]的3d-xarray。 Z是我在I中维z所需的索引。现在，我想获取值I[t, Z[t,y,x], y, x]并将它们写入大小为O[t, y, x]的新xarray中。

原则上，我通过使用for循环解决了这个问题，但是那太慢了（很多数组）。有没有办法做到这一点而无需for循环？

示例代码可以满足我的要求，但速度慢：

def get_field_at_levels(array, levels):
    shape = array.shape
    array_out = np.zeros_like(levels)
    for t in range(shape[0]):
        for x in range(shape[2]):
            for y in range(shape[3]):
                if np.isnan(levels[t, x, y]):
                    array_out[t, x, y]==float('nan')
                else:
                    array_out[t, x, y] = array[t, int(levels[t, x, y]), x, y]
    return array_out

Answer 1

我使用numpy.asarray将所有xarray转换为numpy.arrays。现在程序使用循环已经足够快了。下面是使用随机数的示例脚本。在我的实际数据中，我的索引超出范围（-1）。在这种情况下，我想要NaN作为结果。

import numpy as np
import time

tsize = 1
xsize = 40
ysize = 240
zsize = 260

def val_at_lev(data, Ind):
    sh=data.shape
    data2=np.empty([sh[0],sh[1]+1,sh[2],sh[3]])
    data2[:,0:sh[1],:,:]=data
    data2[:,sh[1],:,:]='nan'
    out=np.asarray(np.zeros_like(Ind))
    erg=np.asarray([data2[t,Ind[t,0,j,k],j,k] for t in range(sh[0]) for j in range(sh[2]) for k in range(sh[3])])
    out = erg.reshape(tsize,1,ysize,zsize)
    return out

# Main program
Ind=np.random.randint(-1,xsize,[tsize,1,ysize,zsize])
data=np.random.uniform(0,100,[tsize,xsize,ysize,zsize])
start_time = time.time()
erg=val_at_lev(data,Ind)
print("--- %s seconds ---" % (time.time() - start_time))

Usind 3d数组索引4d数组

1 个答案: