Question

我想将2D数组的元素“移动”到新坐标，这些坐标存储在其他2个数组中。我希望自动化这个，因为实际上我的阵列很大（400x200x100）。有些值不会找到他的坐标而不会被使用，其中一些坐标被屏蔽，我在下面的例子中使用值0表示。如果坐标被屏蔽，我想要重新洗牌的数组中的元素将不会被使用。

import numpy as np

#My new coordinates in X and Y directions   
mx = np.array([[ 1.,  2.,  3.,  4.,  0.],
       [ 1.,  2.,  3.,  4.,  0.],
       [ 1.,  2.,  3.,  4.,  0.],
       [ 1.,  2.,  3.,  4.,  0.],
       [ 1.,  2.,  3.,  4.,  0.]])

my = np.array([[ 0.,  2.,  2.,  2.,  2.],
       [ 0.,  3.,  3.,  3.,  3.],
       [ 0.,  4.,  4.,  4.,  4.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]])

#The array with values to move
IRtest = np.array([[-0.07383495, -0.08606554, -0.08480594, -0.08099556, -0.08218414],
       [-0.07866761, -0.08373   , -0.08253587, -0.08106102, -0.08220205],
       [-0.07727436, -0.08271511, -0.0807254 , -0.07832416, -0.08021686],
       [-0.07612349, -0.08190446, -0.07996929, -0.07842754, -0.08024891],
       [-0.07488144, -0.08150557, -0.08038229, -0.07895656, -0.07997815]])

#Creation of zeros array to get new array
b = np.zeros((5,5))    

# I tried this but it doesn't work...
for i in range(IRtest.shape[0]):
    for j in range(IRtest.shape[1]):
        b[my[i,j], mx[i,j]] = IRtest[i,j]

plt.imshow(b)
plt.colorbar()
plt.show()

所以数组预期如下：

array_expected = np.array([[-0.08271511, -0.0807254 , -0.07832416, -0.08021686, 0],
       [-0.08190446, -0.07996929, -0.07842754, -0.08024891, 0],
       [-0.08150557, -0.08038229, -0.07895656, -0.07997815, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]])

-----编辑以后-----------------

在这个“方向”中更好：

for i in range(IRtest.shape[0]):
    for j in range(IRtest.shape[1]):
        b[j, i] = IRtest[my[j,i],mx[j,i]]

我明白了：

array([[-0.08606554, -0.0807254 , -0.07832416, -0.08021686, -0.07727436],
       [-0.08606554, -0.07996929, -0.07842754, -0.08024891, -0.07612349],
       [-0.08606554, -0.08038229, -0.07895656, -0.07997815, -0.07488144],
       [-0.08606554, -0.08480594, -0.08099556, -0.08218414, -0.07383495],
       [-0.08606554, -0.08480594, -0.08099556, -0.08218414, -0.07383495]])

所以处理蒙面值的最后一个问题......

所以我试试：

mask_mx = np.array([[False, False, False, False, True],
        [False, False, False, False, True],
        [False, False, False, False, True],
        [False, False, False, False, True],
        [False, False, False, False, True]], dtype=int)

mask_my = np.array([[True, False, False, False, False],
        [True, False, False, False, False],
        [True, False, False, False, False],
        [True, True, True, True, True],
        [True, True, True, True, True]], dtype=int)


mx3 = np.where(mask_mx, 'nan', mx)

my3 = np.where(mask_my, 'nan', my)

for i in range(IRtest.shape[0]):
    for j in range(IRtest.shape[1]):
        b[j, i] = IRtest[my3[j,i],mx3[j,i]]

但我得到下面的错误，它不像'nan'那样坐标： int（）的基数为10的无效文字：'nan'

Answer 1

您的代码确实有效，但您的坐标数组并不是您想要的。让我们分析你的双重循环：

在i为2且j为1的迭代期间，您正在有效地处理此案例：

b[my_test[2,1], mx_test[2,1]] = IRtest[2,1]

IRtest[2,1]是-0.08271511。 my[2,1]为4而mx[2,1]为2，因此以上一行归结为：

b[4, 2] = -0.08271511

这正是您在输出中看到的内容。

基本上问题是您应该更改索引数组my和mx以获得所需的输出。

Answer 2

您可能希望使用-1作为掩码而不是0，因此您可以在IRtest中访问0索引。

mx = np.array([[ 1.,  2.,  3.,  4.,  -1.],
               [ 1.,  2.,  3.,  4.,  -1.],
               [ 1.,  2.,  3.,  4.,  -1.],
               [ 1.,  2.,  3.,  4.,  -1.],
               [ 1.,  2.,  3.,  4.,  -1.]])

my = np.array([[ 2.,  2.,  2.,  2.,  2.],
               [ 3.,  3.,  3.,  3.,  3.],
               [ 4.,  4.,  4.,  4.,  4.],
               [ -1.,  -1.,  -1.,  -1.,  -1.],
               [ -1.,  -1.,  -1.,  -1.,  -1.]])

b = np.zeros_like(IRtest)

for i in range(IRtest.shape[0]):
    for j in range(IRtest.shape[1]):
        b[j, i] = IRtest[my[j,i],mx[j,i]]*(mx[j,i]!=-1)*(my[j,i]!=-1)

Answer 3

感谢numpy的花式索引，循环不是必需的，事实上，如果没有它，你的代码运行速度会快得多。

另外，请注意：

你的索引数组最好用int-arrays表示（fancy-indexing不能用于浮点数）
掩码最好表示为bool-arrays（允许逻辑操作为按位操作，内存效率更高，速度更快）。

因此需要进行一些预处理：

mx = np.array(mx, dtype=int)
my = np.array(my, dtype=int)
mask_mx = np.array(mask_mx, dtype=bool)
mask_my = np.array(mask_my, dtype=bool)
unified_mask = mask_my | mask_mx  # logical-or as bitwise-or

所以，首先没有掩码，你可以简单地对你的数组进行索引：

b = IRtest[my,mx]

然后要应用蒙版，您可以这样做：

b *= ~unified_mask

或显式分配零（再次，花式索引，这次使用掩码）：

b[unified_mask] = 0

作为一个单行：

b = IRtest[my,mx] * ~unified_mask

这比循环更短，速度更快。整洁，是吗？

通过numpy，通常可以避免循环。

通过掩码移动知道新坐标的2D数组的值

3 个答案: