Python 用非缺失值迭代填充缺失值-解网

问：

假设我有 10 个形状为 MxN 的数组。我想迭代遍历每个数组，并填充初始化数组中缺失值所在的值。

举个例子，让我们看一个 3x3 网格：

initial_array = np.full((3,3),-999)
array([[-999, -999, -999],
       [-999, -999, -999],
       [-999, -999, -999]])
final = np.full((3,3),-999)

然后我有几个数组：

b = array([[-999, -999,    1],
           [   1, -999, -999],
           [-999, -999, -999]])

c = array([[-999, -999,    2],
           [   2, -999, -999],
           [   2, -999, -999]])

d = array([[   3, -999, -999],
           [   3, -999, -999],
           [   3, -999,    3]])

我希望最终的数组是：

final = array([[   3, -999,    1],
               [   1, -999, -999],
               [   2, -999,    3]])

逻辑如下：

对于 final[0,0]，在第三个数组 d 之前没有不丢失的值（-999），因此最终值为 3。

对于 Final[1,0]，第一个数组 b 中有一个 1 的实例，因此 [1,0] 的其余值对于其余数组来说并不重要。

由于 Final[：，1] 中没有值，因此这些值仍然缺失

目前，我知道如何做到这一点的最佳方法是遍历每个像素并运行“if-then”循环：

for i in range(0,initial_array.shape[0]):
  for j in range(0,initial_array.shape[1]):
    if initial_array[i,j] == -999:
        if next_array[i,j] > -999:
          final_array[i,j] = next_array[i,j]

但是，随着我们检查更多/更大的数组，这变得非常慢。有没有更好的方法？

Python 数组

import numpy as np
final = np.full((3,3),-999)

b = np.array([[-999, -999,    1],
              [   1, -999, -999],
              [-999, -999, -999]])

c = np.array([[-999, -999,    2],
              [   2, -999, -999],
              [   2, -999, -999]])

d = np.array([[   3, -999, -999],
              [   3, -999, -999],
              [   3, -999,    3]])

for arr in [d, c, b]:
    idx = np.where(arr != -999)
    final[idx]  = arr[idx]
print(final)

1赞 mozway 9/18/2023 #2

使用 3D 数组和 argmax 进行索引：

x = np.dstack([b, c, d])

idx, col = np.mgrid[:x.shape[0], :x.shape[1]]

final = x[idx, col, np.argmax(x != -999, axis=-1)]

艺术

x = np.dstack([b, c, d])

final = np.choose(np.argmax(x != -999, axis=-1), np.moveaxis(x, -1, 0))

输出：

array([[   3, -999,    1],
       [   1, -999, -999],
       [   2, -999,    3]])

上一个：R 中用于回归的随机森林的自定义损失函数

下一个：了解 matplotlib.subplots python [duplicate]

Python 用非缺失值迭代填充缺失值

Python Iteratively Fill Missing Values with Non-missing Values

评论