1

y_filtered我有一个包含一些掩码值的数组。我想用我根据相邻值计算的某个值替换这些值。我可以使用masked_slices = ma.clump_masked(y_filtered). 这将返回一个切片列表，例如[slice(194, 196, None)].

通过使用，我可以轻松地从我的掩码数组中获取值y_filtered[masked_slices]，甚至循环它们。但是，我还需要访问值的索引，所以我可以根据它的邻居计算它的新值。枚举（逻辑上）返回 0、1 等，而不是我需要的索引。

这是我想出的解决方案。

# get indices of masked data
masked_slices = ma.clump_masked(y_filtered)

y_enum = [(i, y_i) for i, y_i in zip(range(len(y_filtered)), y_filtered)]

for sl in masked_slices:
    for i, y_i in y_enum[sl]:
        # simplified example calculation
        y_filtered[i] = np.average(y_filtered[i-2:i+2])

这是非常丑陋的方法，我认为必须有更好的方法来做到这一点。有什么建议么？

谢谢！

4

1 回答 1

1

编辑：

我想出了一个更好的方法来实现我认为你想做的事情。此代码选取 5 个元素的每个窗口并计算其（屏蔽）平均值，然后使用这些值来填充原始数组中的空白。如果某个索引没有足够接近的任何未屏蔽值，它只会将其保留为屏蔽：

import numpy as np
from numpy.lib.stride_tricks import as_strided

SMOOTH_MARGIN = 2
x = np.ma.array(data=[1, 2, 3, 4, 5, 6, 8, 9, 10],
                mask=[0, 1, 0, 0, 1, 1, 1, 1, 0])
print(x)
# [1 -- 3 4 -- -- -- -- 10]

pad_data = np.pad(x.data, (SMOOTH_MARGIN, SMOOTH_MARGIN), mode='constant')
pad_mask = np.pad(x.mask, (SMOOTH_MARGIN, SMOOTH_MARGIN), mode='constant',
                  constant_values=True)
k = 2 * SMOOTH_MARGIN + 1
isize = x.dtype.itemsize
msize = x.mask.dtype.itemsize
x_pad = np.ma.array(
    data=as_strided(pad_data, (len(x), k), (isize, isize), writeable=False),
    mask=as_strided(pad_mask, (len(x), k), (msize, msize), writeable=False))
x_avg = np.ma.average(x_pad, axis=1).astype(x_pad.dtype)
fill_mask = ~x_avg.mask & x.mask
result = x.copy() 
result[fill_mask] = x_avg[fill_mask]
print(result)
# [1 2 3 4 3 4 10 10 10]

（注意这里所有的值都是整数，因为x最初是整数类型）

原始发布的代码有一些错误，首先它y_filtered在循环中读取和写入值，因此后来索引的结果会受到先前迭代的影响，这可以通过原始的副本来修复y_filtered。其次，[i-2:i+2]可能应该是[max(i-2, 0):i+3]，以便始终具有从零或以后开始的对称窗口。

你可以这样做：

from itertools import chain

# get indices of masked data
masked_slices = ma.clump_masked(y_filtered)
for idx in chain.from_iterable(range(s.start, s.stop) for s in masked_slices):
    y_filtered[idx] = np.average(y_filtered[max(idx - 2, 0):idx + 3])
于 2018-05-18T14:12:11.087 回答