代码之家 › 专栏 › 技术社区 › ClimateUnboxed

如何基于3D数组中的索引对4D数组中有条件选择的numpy数组项进行平均

array-broadcasting numpy arrays python

ClimateUnboxed · 技术社区 · 5 年前

我想根据使用3D数组的索引,对4D numpy数组中有条件选择的元素进行平均。

资料

我的3D阵列在哪里我用来有条件地采样的只是[ntime,ny,nx]的函数(时间片的数量相同,x和y点相同)

我想做广播,因此使用 DATA[COND[None,...]] 但问题是“缺失”的垂直维度不是正确的,而是在时间和X和Y空间之间的中间。我可以在垂直面上绕圈子,但我想那会很慢。有没有一种方法可以将数据索引为

DATA[cond[times],:,COND[ys],COND[xs]]?

设置一些虚拟阵列:

np.random.seed(1234)
COND=np.random.randint(0,2,(2,3,3))  # 2 time levels, 3 X points and 3 y points
DATA=np.random.randint(0,100,(2,2,3,3)) # 2 time levels, 2 Z levels, and 3 x and y points

给:

COND
array([[[1, 1, 0],
        [1, 0, 0],
        [0, 1, 1]],

       [[1, 1, 1],
        [0, 0, 1],
        [0, 0, 0]]])

DATA
array([[[[26, 58, 92],
         [69, 80, 73],
         [47, 50, 76]],

        [[37, 34, 38],
         [67, 11,  0],
         [75, 80,  3]]],

给:

   [[[ 2, 19, 12],
     [65, 75, 81],
     [14, 71, 60]],

    [[46, 28, 81],
     [87, 13, 96],
     [12, 69, 95]]]])

我可以使用argwhere找到参数,其中:

idx=np.argwhere(COND==1)
array([[0, 0, 0],
       [0, 0, 1],
       [0, 1, 0],
       [0, 2, 1],
       [0, 2, 2],
       [1, 0, 0],
       [1, 0, 1],
       [1, 0, 2],
       [1, 1, 2]])

现在我想做一些类似的事情

np.mean(DATA[idx[...,None,...]])

np.mean(DATA[idx[0],None,idx[1],idx[2])

这应该给我一个答案,2个数字对应于COND=1时x和y点的平均数据值

这个问题与此有关: filtering a 3D numpy array according to 2D numpy array

但我的KLV指数在中间,而不是左边或右边,所以我不能使用 [...,None] 解决方案

0 回复 | 直到 5 年前

Sayandip Dutta 5 年前

`zip` 获取沿每个轴的索引

IIUC,你已经完成了大部分工作。 idx

>>> [*zip(*idx)]
[(0, 0, 0, 0, 0, 1, 1, 1, 1),
 (0, 0, 1, 2, 2, 0, 0, 0, 1),
 (0, 1, 0, 1, 2, 0, 1, 2, 2)]

>>> t, y, x = zip(*idx)
>>> DATA[t, :, y, x]

array([[26, 37],
       [58, 34],
       [69, 67],
       [50, 80],
       [76,  3],
       [ 2, 46],
       [19, 28],
       [12, 81],
       [81, 96]])

>>> DATA[t, :, y, x].mean(0)
array([43.66666667, 52.44444444])

使用 `np.where`

一种更简单的方法来获得 numpy.where :

>>> np.where(COND)
(array([0, 0, 0, 0, 0, 1, 1, 1, 1], dtype=int64),
 array([0, 0, 1, 2, 2, 0, 0, 0, 1], dtype=int64),
 array([0, 1, 0, 1, 2, 0, 1, 2, 2], dtype=int64))

numpy.nonzero

>>> np.nonzero(COND)
(array([0, 0, 0, 0, 0, 1, 1, 1, 1], dtype=int64),
 array([0, 0, 1, 2, 2, 0, 0, 0, 1], dtype=int64),
 array([0, 1, 0, 1, 2, 0, 1, 2, 2], dtype=int64))

直接使用条件数组

ndarray s是 numpy.transpose ,正如您在链接文章中所看到的,在您的问题中,索引时,维度是左对齐的,但当前形式的数组不适合这种索引,因此,如果聚合维度位于最右侧,而索引维度位于左侧,那么就可以了。

因此,如果您的数据可以重新排序:

Instead of:
dim = (2, 2, 3, 3)
axis-> 0, 1, 2, 3

It were:
dim = (2, 3, 3, 2)
axis-> 0, 2, 3, 1

这会奏效的。

使用重新排列轴 `np.transpose`

你可以用 numpy.transpose 为此:

>>> np.transpose(DATA, axes=(0,2,3,1))[COND==1].mean(axis=0)
array([43.66666667, 52.44444444])

`np.roll`

roll 您的轴(=1)到末端(即第四维),使用 numpy.rollaxis

>>> np.rollaxis(DATA, 1, 4)[COND==1].mean(0)
array([43.66666667, 52.44444444])

使用移动轴 `np.转置`

或者,你可以 move 你的轴心来自 source 维度到 destination np.moveaxis

>>> np.moveaxis(DATA, source=1, destination=3)[COND==1].mean(0)
array([43.66666667, 52.44444444])

如何基于3D数组中的索引对4D数组中有条件选择的numpy数组项进行平均

zip 获取沿每个轴的索引

使用 np.where

直接使用条件数组

使用重新排列轴 np.transpose

np.roll

使用移动轴 np.转置

`zip` 获取沿每个轴的索引

使用 `np.where`

使用重新排列轴 `np.transpose`

`np.roll`

使用移动轴 `np.转置`