Question

我需要在3D numpy数组中切片相同的元素（实际上是蒙版数组，但工作原理相同）。我通常通过迭代来完成它-但是当前数据是如此之大，需要在数千个数据集上重复该过程-这将需要数周的时间（原始估算）。切片3D数组而不循环遍历所有2D数组的最快方法是什么？

在这个简单的示例中，我需要在所有2D数组中的[1, 0]的每个2D数组中切片3元素，并将它们存储在result数组中。

NetCDF示例（切片元素[500，400]）

import netCDF4

url = "http://eip.ceh.ac.uk/thredds/dodsC/public-chess/PET/aggregation/PETAggregation.ncml"
dataset = netCDF4.Dataset(url)

result = dataset.variables['pet'][:, 500, 400]

myarray已被取代

myarray = np.array([
    [[1, 2], [3, 4], [5, 6]],
    [[1, 2], [3, 4], [5, 6]],
    [[1, 2], [3, 4], [5, 6]],
    [[1, 2], [3, 4], [5, 6]],
])

result = []
for i in myarray:
    result.append(i[1][0])

结果[3, 3, 3, 3]

编辑 FirefoxMetzger建议将其简单地切成薄片 result = myarray[:, 1, 0]。但是，我收到以下错误消息：

RuntimeError：NetCDF：DAP服务器错误

Answer 1

您提供的最小numpy示例可以使用标准切片机制进行有效切片：

myarray = np.array([
    [[1, 2], [3, 4], [5, 6]],
    [[1, 2], [3, 4], [5, 6]],
    [[1, 2], [3, 4], [5, 6]],
    [[1, 2], [3, 4], [5, 6]],
])

result = myarray[:, 1, 0]

NetCFD似乎是由于结果片太大而无法从服务器返回而导致崩溃。根据您的评论，此处的解决方案是按块查询服务器并在本地汇总结果。

块状3D阵列（NetCDF数据）将同一元素切片-最快的方法

1 个答案: