Ich habe Datenpunkte, die Koordinaten für ein 2D-Array (Matrix) darstellen. Die Punkte werden regelmäßig gerastert, außer dass an einigen Gitterpositionen Datenpunkte fehlen.Machen Sie 2D Numpy Array von Koordinaten
Betrachten Sie zum Beispiel einige XYZ-Daten, die auf ein reguläres 0.1-Raster mit Form passen (3, 4). Es gibt Lücken und fehlende Punkte, so gibt es 5 Punkte, und nicht 12:
import numpy as np
X = np.array([0.4, 0.5, 0.4, 0.4, 0.7])
Y = np.array([1.0, 1.0, 1.1, 1.2, 1.2])
Z = np.array([3.3, 2.5, 3.6, 3.8, 1.8])
# Evaluate the regular grid dimension values
Xr = np.linspace(X.min(), X.max(), np.round((X.max() - X.min())/np.diff(np.unique(X)).min()) + 1)
Yr = np.linspace(Y.min(), Y.max(), np.round((Y.max() - Y.min())/np.diff(np.unique(Y)).min()) + 1)
print('Xr={0}; Yr={1}'.format(Xr, Yr))
# Xr=[ 0.4 0.5 0.6 0.7]; Yr=[ 1. 1.1 1.2]
Was Ich mag würde, um zu sehen ist in diesem Bild (Hintergründen dargestellt: schwarz = Basis-Index 0, grau = Wert koordinieren; Farbe = Matrixwert; Weiß = fehlt).
Hier ist, was ich habe, das mit einer for-Schleife ist intuitiv:
ar = np.ma.array(np.zeros((len(Yr), len(Xr)), dtype=Z.dtype), mask=True)
for x, y, z in zip(X, Y, Z):
j = (np.abs(Xr - x)).argmin()
i = (np.abs(Yr - y)).argmin()
ar[i, j] = z
print(ar)
# [[3.3 2.5 -- --]
# [3.6 -- -- --]
# [3.8 -- -- 1.8]]
Gibt es eine NumPythonic Weise den Ansatz der Vektorisierung ar
ein 2D-Array zurück? Oder ist die for-Schleife notwendig?