我正在尝试将图像处理为一个蒙版数组来处理NoData区域。我想先在一维数组上做点测试。这是我的测试代码:
a = np.array([0,1,4,3,4,-9999,33,34,-9999])
am = np.ma.MaskedArray(a)
am.mask = (am==-9999)
z = np.arange(35)
z[am]
我希望使用掩码数组索引z数组会成功,但我看到以下错误:
^{pr2}$
有人能评论一下如何正确编码吗?我可以成功地运行以下命令:
z[a[a>0]]
实际上是一样的。在
谢谢!在
Tags:
一般来说,使用带标记的数组来编制索引是一个坏主意,正是因为在掩码值处应该发生的行为是未定义的。在
这样想:当我看你的数组
a
和你的数组z
,我可以说“好,a[0] = 0
所以z[a[0]]
是有意义的。”如此类推,直到我遇到a[5] = -9999
时,我可以说,“好吧,作为z
的索引是没有意义的”,并且可以引发一个异常。在实际上,当您天真地使用
am
作为索引集时,就会发生这种情况。。。它恢复为使用am.data
,它包含原始值的所有。如果它试图使用类似[z[i] for i in am]
的方法,您将遇到这样一个问题numpy.ma.core.MaskedConstant
,这对于索引不是一个明智的值,不是为了获取值,也不是为了忽略获取值的请求。在(事实上,如果您试图索引这些家伙中的一个,就会得到
IndexError: arrays used as indices must be of integer (or boolean) type
)。在但是现在如果我在
^{pr2}$am.filled()
中遇到了掩码值,会发生什么呢?在am.filled()
的第5个索引处的条目将不是numpy.ma.core.MaskedConstant
的实例,而是由您选择的填充值。如果这个填充值作为一个索引是有意义的,那么实际上您将通过在该索引处建立索引来获取一个值。以0为例。它看起来像一个无害的中性填充值,但实际上它代表一个有效的索引,因此您可以额外访问z
的第0个条目:这也不是面具应该做的!在
一种半途而废的方法是迭代
am
,并排除任何type
的np.ma.core.MaskedConstant
:不过,更清楚地表达这一切的方法是首先使用简单的逻辑索引:
注意,像这样的逻辑索引对二维数组很有效,只要你愿意接受这样一个事实:一旦一个更高维的数组被逻辑索引,如果结果不再符合相同的规则二维形状,那么它将以1D的形式呈现,如下所示:
相反,如果您想要类似于掩码的效果,则可以将值设置为
NaN
(对于float
数组):这种使用
NaN
的掩蔽形式适用于NumPy中的大量矢量化数组计算,尽管首先将基于整数的图像数据转换为浮点,然后在最后安全地将其转换回原来的位置,这可能是一件痛苦的事。在试试这个代码
访问
am
将得到掩码数组,其中masked value引用原始值(它只是对原始数组的引用)。在设置fill峈u value之后调用am.filled()
将掩码元素替换为am.filled
返回的数组中的fill峎u值相关问题 更多 >
编程相关推荐