从三个1D numpy数组填充2D numpy数组

Question

有没有一种有效的方法，可以在不使用循环的情况下，从无序的坐标点中创建一个二维数组？也就是说，这些坐标的经度和纬度并不是按顺序排列的。

示例数据

lats = np.array([45.5,45.5,45.5,65.3,65.3,65.3,43.2,43.2,43.2,65.3])
lons = np.array([102.5,5.5,116.2,102.5,5.5,116.2,102.5,5.5,116.2,100])
vals = np.array([3,4,5,6,7,7,9,1,0,4])

示例输出
每一列代表一个独特的经度（比如102.5、5.5、116.2和100），而每一行代表一个独特的纬度（比如45.5、65.3和43.2）。

([ 3, 4, 5, NaN],
 [ 6, 7, 7, 4],
 [ 9, 1, 0, NaN])

不过，这并不是那么简单，因为我并不一定知道每个经度或纬度有多少个重复值，而这些重复值决定了数组的形状。

更新：
我之前的数据排列不正确，现在我已经重新排列好了，确保它们都是独特的配对，并且还增加了一个数据点，以展示在有NaN（缺失值）时，数据应该如何排列。

Answer 1

import numpy as np

lats = np.array([45.5,45.5,45.5,65.3,65.3,65.3,43.2,43.2,43.2,65.3])
lons = np.array([102.5,5.5,116.2,102.5,5.5,116.2,102.5,5.5,116.2,100])
vals = np.array([3,4,5,6,7,7,9,1,0,4])


def unique_order(seq): 
    # http://www.peterbe.com/plog/uniqifiers-benchmark (Dave Kirby)
    # Order preserving
    seen = set()
    return [x for x in seq if x not in seen and not seen.add(x)]

unique_lats, idx_lats = np.unique(lats, return_inverse=True)
unique_lons, idx_lons = np.unique(lons, return_inverse=True)
perm_lats = np.argsort(unique_order(lats))
perm_lons = np.argsort(unique_order(lons))

result = np.empty((len(unique_lats), len(unique_lons)))
result.fill(np.nan)
result[perm_lats[idx_lats], perm_lons[idx_lons]] = vals
print(result)

[[  3.   4.   5.  nan]
 [  6.   7.   7.   4.]
 [  9.   1.   0.  nan]]

产生

Answer 2

如果你在创建一个二维数组，那么所有的数组都必须有相同数量的元素。如果这个条件成立，你可以简单地这样做：

out = np.vstack((lats, lons, vals))

---

编辑

我觉得这可能正是你想要的，至少它和你的问题是相关的 :)

xsize = len(np.unique(lats))
ysize = len(np.unique(lons))

然后，如果你的数据表现得很好

out = [vals[i] for i, (x, y) in enumerate(zip(lats, lons))]
out = np.asarray(out).reshape((xsize, ysize))

Answer 3

你发的例子看起来没什么意义，也没有合理的方法来处理缺失的数据。我在这里猜测，但你可能在处理的事情大概是这样的：

>>> lats = np.array([43.2, 43.2, 43.2, 45.5, 45.5, 45.5, 65.3, 65.3, 65.3])
>>> lons = np.array([5.5, 102.5, 116.2, 5.5, 102.5, 116.2, 5.5, 102.5, 116.2])
>>> vals = np.array([3, 4, 5, 6, 7, 7, 9, 1, 0])

在这里，vals[j]的值是根据纬度lats[j]和经度lons[j]得来的，不过数据可能会被搞乱，比如：

>>> indices = np.arange(9)
>>> np.random.shuffle(indices)
>>> lats = lats[indices]
>>> lons = lons[indices]
>>> vals = vals[indices]
>>> lats
array([ 45.5,  43.2,  65.3,  45.5,  43.2,  65.3,  45.5,  65.3,  43.2])
>>> lons
array([   5.5,  116.2,  102.5,  116.2,    5.5,  116.2,  102.5,    5.5,  102.5])
>>> vals
array([6, 5, 1, 7, 3, 0, 7, 9, 4])

你可以按照以下方式把这些数据整理成一个数组：

>>> lat_vals, lat_idx = np.unique(lats, return_inverse=True)
>>> lon_vals, lon_idx = np.unique(lons, return_inverse=True)
>>> vals_array = np.empty(lat_vals.shape + lon_vals.shape)
>>> vals_array.fill(np.nan) # or whatever yor desired missing data flag is
>>> vals_array[lat_idx, lon_idx] = vals
>>> vals_array
array([[ 3.,  4.,  5.],
       [ 6.,  7.,  7.],
       [ 9.,  1.,  0.]])