假设我有一个这样的数据集
nx1, nx2, nx3 = 5, 3, 20
ds = xray.Dataset()
ds.coords.update({'x1': ('x1', range(nx1)),
'x2': ('x2', range(nx2)),
'x3': ('x3', range(nx3))})
ds['A'] = (['x1', 'x2', 'x3'], np.random.randn(nx1, nx2, nx3))
ds['B'] = (['x1', 'x2', 'x3'], np.random.randn(nx1, nx2, nx3))
以及一个func
将 A 和 B 作为输入变量的函数,但它沿x3
维度工作,只接受 shape 数组(nx3,)
,并输出 shape 数组(nx3,)
。如果我想将此函数应用于上述数据集并将结果另存为一个名为 C 的新变量,请按照以下方式进行操作,
required_shape = (len(ds.coords['x1']),
len(ds.coords['x2']),
len(ds.coords['x3']))
if 'C' not in ds:
ds.update({'C': (['x1', 'x2', 'x3'], np.zeros(required_shape))})
for ix1, x1 in enumerate(ds.coords['x1']):
for ix2, x2 in enumerate(ds.coords['x2']):
args = dict(x1=ix1, x2=ix2)
a = ds['A'][args]
b = ds['B'][args]
c = func(a.values, b.values)
ds['C'][args] = c
通过在数据集中初始化一个新数组并在其他维度上使用 for 循环?