I punti dati rappresentano le coordinate di un array 2D (matrice). I punti sono regolarmente reticolati, ad eccezione dei punti dati mancanti in alcune posizioni della griglia.Crea array 2D Numpy dalle coordinate
Ad esempio, considerare alcuni dati XYZ che si adattano a una normale griglia di 0.1 con forma (3, 4). Ci sono lacune e punti mancanti, quindi ci sono 5 punti, e non 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]
cosa vorrei vedere è indicato in questa immagine (ambiti: nero index = base-0; grigio = valore della coordinata; colore = valore matrice; bianco = mancante).
Ecco quello che ho, che è intuitiva con un ciclo for:
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]]
C'è un modo più NumPythonic del vectorising l'approccio per restituire un array 2D ar
? O è necessario il ciclo for?