1

我正在做一个模型。结果存储在 NetCFD 文件中，每个粒子的 lon、lat 和 time 的掩码数据。我想获得每个粒子的 lon、lat、时间的最后一个真实值。我设法获得了最后一个实数的位置，但没有获得值本身。

你有什么建议吗？

我的代码如下所示：

lat1= masked_array(data=[[-14.33945369720459, -14.33945369720459, -14.339454650878906,
     -14.339454650878906, -14.339454650878906, -14.339454650878906,
     -14.339454650878906, -14.339454650878906, -14.339457511901855,
     -14.339459419250488, -14.339459419250488, -14.339459419250488,
     --, --, --, --, --, --, --, --],
    [-5.621851444244385, -5.621865272521973, -5.621881008148193,
     -5.621898651123047, -5.621916770935059, -5.621936321258545,
     -5.6219563484191895, -5.621973037719727, -5.621990203857422,
     -5.622012615203857, -5.622034072875977, -5.622053146362305, --,
     --, --, --, --, --, --, --]], mask=[[False, False, False, False, False, False, False, False, False,
     False, False, False,  True,  True,  True,  True,  True,  True,
      True,  True],
    [False, False, False, False, False, False, False, False, False,
     False, False, False,  True,  True,  True,  True,  True,  True,
      True,  True]], fill_value=nan, dtype=float32)         #latitude values of 2 particles


def last_nonzero(lat1, axis, invalid_val=-9999):
    mask = lat1!=0
    val = lat1.shape[axis] - np.flip(mask, axis=axis).argmax(axis=axis) - 1
    return np.where(mask.any(axis=axis), val, invalid_val)

last_nonzero(lat1, axis=1, invalid_val=-9999)        #for each particle, gives the position of the last real number
print lat1[last_nonzero(lat1, axis=1, invalid_val=-9999)]
4

1 回答 1

1

如果我理解正确，您可以做的是：

  1. 获取最后一个非零元素的索引（您已经知道如何获取它们）：

    >>> last_nonzero_indices = last_nonzero(lat1, axis=1, invalid_val=-9999)
>>> last_nonzero_indices
array([11, 11], dtype=int64)

  2. 仅获取初始数组的有效条目：

    >>> valid_values = lat1[~lat1.mask]
>>> valid_values
masked_array(data=[-14.33945369720459, -14.33945369720459,
                   -14.339454650878906, -14.339454650878906,
                   -14.339454650878906, -14.339454650878906,
                   -14.339454650878906, -14.339454650878906,
                   -14.339457511901855, -14.339459419250488,
                   -14.339459419250488, -14.339459419250488,
                   -5.621851444244385, -5.621865272521973,
                   -5.621881008148193, -5.621898651123047,
                   -5.621916770935059, -5.621936321258545,
                   -5.6219563484191895, -5.621973037719727,
                   -5.621990203857422, -5.622012615203857,
                   -5.622034072875977, -5.622053146362305],
             mask=[False, False, False, False, False, False, False, False,
                   False, False, False, False, False, False, False, False,
                   False, False, False, False, False, False, False, False],
       fill_value=nan,
            dtype=float32)

  3. 随着返回的数组被展平，根据我们之前计算的索引计算相应的索引：

    >>> last_nonzero_indices = np.cumsum(last_nonzero_indices)
>>> last_nonzero_indices
array([11, 22], dtype=int64)

  4. 获取所需的最后一个非零值：

    >>> valid_values[last_nonzero_indices]
masked_array(data=[-14.339459419250488, -5.622034072875977],
             mask=[False, False],
       fill_value=nan,
            dtype=float32)

不过，我不太喜欢这个解决方案，希望对屏蔽数组有更好了解的人可以提出更好的建议。

于 2018-12-11T14:27:12.553 回答