我目前正在处理模型输出，我似乎无法想出一种组合两个数据数组的好方法。数组 A 和 B 存储不同的数据，每个中的条目对应于一些空间 (x,y) 点——A 保存一些参数，B 保存模型输出。问题在于 B 是 A 的空间子部分——也就是说，如果模型是针对整个世界的，A 将存储地球上每个点的参数，而 B 将仅存储非洲这些点的模型输出.
所以我需要找到 B 与 A 的偏移量——换句话说，我需要找到它们开始重叠的索引。那么如果 A.shape=(1000,1500)，那么 B 是 (750:850, 200:300) 的一部分，还是 (783:835, 427:440) 小节？我有与 A 和 B 相关联的数组，它们存储每个网格点的 (x,y) 位置。
这似乎是一个简单的问题——找到两个数组重叠的位置。我可以用 scipy.spatial 的 KDTree 简单地解决它，但它很慢。有人有更好的想法吗？
我有与 A 和 B 相关联的数组，它们存储每个网格点的 (x,y) 位置。
在那种情况下，答案应该相当简单......
这两个网格是否严格遵循相同的网格方案？假设它们是，您可以执行以下操作：
np.argwhere((Ax == Bx.min()) & (Ay == By.min()))
假设两个网格的世界坐标与网格的索引方向相同，这给出了子集网格的左下角。（如果它们没有在同一方向上增加（即负dx或dy），它只会给出其他角之一）
在下面的示例中，我们显然可以从ix = (Bxmin - Axmin) / dx等计算适当的索引，但假设您有一个更复杂的网格系统，这仍然有效。但是，这是假设两个网格在同一个网格方案上！如果它们不是，它会稍微复杂一些......
import numpy as np
# Generate grids of coordinates from a min, max, and spacing
dx, dy = 0.5, 0.5
# For the larger grid...
Axmin, Axmax = -180, 180
Aymin, Aymax = -90, 90
# For the smaller grid...
Bxmin, Bxmax = -5, 10
Bymin, Bymax = 30, 40
# Generate the indicies on a 2D grid
Ax = np.arange(Axmin, Axmax+dx, dx)
Ay = np.arange(Aymin, Aymax+dy, dy)
Ax, Ay = np.meshgrid(Ax, Ay)
Bx = np.arange(Bxmin, Bxmax+dx, dx)
By = np.arange(Bymin, Bymax+dy, dy)
Bx, By = np.meshgrid(Bx, By)
# Find the corner of where the two grids overlap...
ix, iy = np.argwhere((Ax == Bxmin) & (Ay == Bymin))[0]
# Assert that the coordinates are identical.
assert np.all(Ax[ix:ix+Bx.shape[0], iy:iy+Bx.shape[1]] == Bx)
assert np.all(Ay[ix:ix+Bx.shape[0], iy:iy+Bx.shape[1]] == By)
你能说更多吗？你用的是什么型号？你在建模什么？它是如何计算的？
您可以使尺寸匹配以避免合身吗？（即，如果 B 不依赖于所有 A，则只插入 B 建模的 A 部分，或计算 B 中不会与 A 重叠的部分的无聊值并在以后删除这些值）
我需要找到它们开始重叠的索引
那么您是在寻找来自 A 还是来自 B 的索引？B 是严格矩形的吗？
找到 B 的边界框或凸包真的很便宜。