更新未屏蔽的numpy数组 [英] update numpy array where not masked

问题描述

我的问题是双重的

首先，假设我有两个被部分屏蔽的numpy数组

First, lets say I've two numpy arrays, that are partially masked

array_old
[[-- -- -- --]
 [10 11 -- --]
 [12 14 -- --]
 [-- -- 17 --]]

array_update
[[--  5 -- --]
 [-- --  9 --]
 [-- 15  8 13]
 [-- -- 19 16]]

如何创建一个新的数组，其中所有未屏蔽的值都将被更新或修改，例如:

How to get create a new array, where all non-masked values are updated or ammended, like:

array_new
[[--  5 -- --]
 [10 11  9 --]
 [12 15  8 13]
 [-- -- 19 16]]

第二， 如果可能，如何在3d numpy数组中执行上述操作?

Secondly, If possible, how to do above in a 3d numpy array?

更新:

第二部分，现在我使用一个for循环，使用 @freidrichen 方法，如下所示:

For the second part, now I use a for loop, using @freidrichen method as follows:

array = np.ma.masked_equal([[[0, 0, 0, 0], [10, 11, 0, 0], [12, 14, 0, 0], [0, 0, 17, 0]],[[0, 5, 0, 0], [0, 0, 9, 0], [0, 15, 8, 13], [0, 0, 19, 16]],[[0, 0, 0, 0], [5, 0, 0, 13], [8, 14, 0, 0], [0, 0, 17, 0]],[[6, 7, 8, 9], [0, 0, 0, 0], [0, 0, 0, 21], [0, 0, 0, 0]]], 0)

a = array[0,::]
for ix in range(array.shape[0] - 1):
    b = array[ix,::] 
    c = array[ix+1,::]
    b[~c.mask] = c.compressed()
    a[~b.mask] = b.compressed()

不确定这是否是最佳解决方案

Not sure if that's the best solution

推荐答案

使用a[~b.mask] = b.compressed().

a[~b.mask]选择a中未屏蔽b的所有值. b.compressed()是具有b中所有非掩码值的扁平化数组.

a[~b.mask] selects all the values in a where b is not masked. b.compressed() is a flattened array with all the non-masked values in b.

示例:

>>> a = np.ma.masked_equal([[0, 0, 0, 0], [10, 11, 0, 0], [12, 14, 0, 0], [0, 0, 17, 0]], 0)
>>> b = np.ma.masked_equal([[0, 5, 0, 0], [0, 0, 9, 0], [0, 15, 8, 13], [0, 0, 19, 16]], 0)
>>> a[~b.mask] = b.compressed()
>>> a
[[-- 5 -- --]
[10 11 9 --]
[12 15 8 13]
[-- -- 19 16]]

这也应该适用于3d阵列.

This should work with 3d arrays too.

这篇关于更新未屏蔽的numpy数组的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！