与 x 和 y 网格值匹配的 z 值的网格

Question

编辑：原来的问题是有缺陷的，但出于透明度的原因我将其留在这里。

原文： 我有一些 x、y、z 数据，其中 x 和 y 是 2D 网格的坐标，z 是对应于 (x, y) 的标量值。

>>> import numpy as np
>>> # Dummy example data 
>>> x = np.arange(0.0, 5.0, 0.5)
>>> y = np.arange(1.0, 2.0, 0.1)
>>> z = np.sin(x)**2 + np.cos(y)**2
>>> print "x = ", x, "\n", "y = ", y, "\n", "z = ", z
x =  [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5] 
y =  [ 1.   1.1  1.2  1.3  1.4  1.5  1.6  1.7  1.8  1.9] 
z =  [ 0.29192658  0.43559829  0.83937656  1.06655187  0.85571064  0.36317266
  0.02076747  0.13964978  0.62437081  1.06008127]

使用xx, yy = np.meshgrid(x, y)I 可以获得两个网格，其中包含与每个网格位置相对应的 x 和 y 值。

>>> xx, yy = np.meshgrid(x, y)
>>> print xx
[[ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]
 [ 0.   0.5  1.   1.5  2.   2.5  3.   3.5  4.   4.5]]
>>> print yy
[[ 1.   1.   1.   1.   1.   1.   1.   1.   1.   1. ]
 [ 1.1  1.1  1.1  1.1  1.1  1.1  1.1  1.1  1.1  1.1]
 [ 1.2  1.2  1.2  1.2  1.2  1.2  1.2  1.2  1.2  1.2]
 [ 1.3  1.3  1.3  1.3  1.3  1.3  1.3  1.3  1.3  1.3]
 [ 1.4  1.4  1.4  1.4  1.4  1.4  1.4  1.4  1.4  1.4]
 [ 1.5  1.5  1.5  1.5  1.5  1.5  1.5  1.5  1.5  1.5]
 [ 1.6  1.6  1.6  1.6  1.6  1.6  1.6  1.6  1.6  1.6]
 [ 1.7  1.7  1.7  1.7  1.7  1.7  1.7  1.7  1.7  1.7]
 [ 1.8  1.8  1.8  1.8  1.8  1.8  1.8  1.8  1.8  1.8]
 [ 1.9  1.9  1.9  1.9  1.9  1.9  1.9  1.9  1.9  1.9]]

现在我想要一个与 z 形状相同的数组，其中网格值对应于原始数据中匹配的 x 和 y 值！但我找不到一个优雅的内置解决方案，不需要重新网格化数据，而且我认为我对应该如何处理它缺乏一些理解。

我尝试遵循此解决方案（使用我的真实数据，不是这个简单的示例数据，但它应该具有相同的结果），但我的最终网格未完全填充。请帮忙！

更正的问题：

正如评论者指出的那样，我原来的虚拟数据不适合我要问的问题。这是问题的改进版本：

我有一些 x、y、z 数据，其中 x 和 y 是 2D 网格的坐标，z 是对应于 (x, y) 的标量值。数据从文本文件“data.txt”中读取：

#x y z
1.4 0.2 1.93164166734
1.4 0.3 1.88377897779
1.4 0.4 1.81946452501
1.6 0.2 1.9596778849
1.6 0.3 1.91181519535
1.6 0.4 1.84750074257
1.8 0.2 1.90890970517
1.8 0.3 1.86104701562
1.8 0.4 1.79673256284
2.0 0.2 1.78735230743
2.0 0.3 1.73948961789
2.0 0.4 1.67517516511

加载文本：

>>> import numpy as np
>>> inFile = 'C:\data.txt' 
>>> x, y, z = np.loadtxt(inFile, unpack=True, usecols=(0, 1, 2), comments='#', dtype=float)
>>> print x
[ 1.4  1.4  1.4  1.6  1.6  1.6  1.8  1.8  1.8  2.   2.   2. ]
>>> print y
[ 0.2  0.3  0.4  0.2  0.3  0.4  0.2  0.3  0.4  0.2  0.3  0.4]
>>> print z
[ 1.93164167  1.88377898  1.81946453  1.95967788  1.9118152   1.84750074
  1.90890971  1.86104702  1.79673256  1.78735231  1.73948962  1.67517517]

使用xx, yy= np.meshgrid(np.unique(x), np.unique(y))I 可以获得两个网格，其中包含与每个网格位置相对应的 x 和 y 值。

>>> xx, yy= np.meshgrid(np.unique(x), np.unique(y))
>>> print xx
 [[ 1.4  1.6  1.8  2. ]
 [ 1.4  1.6  1.8  2. ]
 [ 1.4  1.6  1.8  2. ]]
>>> print yy
[[ 0.2  0.2  0.2  0.2]
 [ 0.3  0.3  0.3  0.3]
 [ 0.4  0.4  0.4  0.4]]

现在 xx 和 yy 中的每个相应单元格位置都对应于原始网格点位置之一。我只需要一个等效数组，其中网格值对应于原始数据中匹配的 z 值！

"""e.g. 
[[ 1.93164166734  1.9596778849  1.90890970517  1.78735230743]
 [ 1.88377897779  1.91181519535  1.86104701562  1.73948961789]
 [ 1.81946452501  1.84750074257  1.79673256284  1.67517516511]]"""

但我找不到一个优雅的内置解决方案，不需要重新网格化数据，而且我认为我对应该如何处理它缺乏一些理解。例如，使用xx, yy, zz = np.meshgrid(x, y, z)返回三个我认为无法使用的 3D 数组。

请帮忙！

编辑： 由于 Jaime 的解决方案，我成功地使这个示例正常工作：从三个 1D numpy 数组填充 2D numpy 数组

>>> x_vals, x_idx = np.unique(x, return_inverse=True)
>>> y_vals, y_idx = np.unique(y, return_inverse=True)
>>> vals_array = np.empty(x_vals.shape + y_vals.shape)
>>> vals_array.fill(np.nan) # or whatever your desired missing data flag is
>>> vals_array[x_idx, y_idx] = z
>>> zz = vals_array.T
>>> print zz

但是引导我走上这条道路的代码（带有真实的输入数据）仍然失败。我现在发现问题了。在生成 zz之前，我一直使用scipy.ndimage.zoom将网格数据重新采样到更高分辨率。

>>> import scipy.ndimage
>>> zoom = 2
>>> x =  scipy.ndimage.zoom(x, zoom)
>>> y =  scipy.ndimage.zoom(y, zoom)
>>> z =  scipy.ndimage.zoom(z, zoom)

这产生了一个包含许多 nan 条目的数组：

array([[ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       ..., 
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan]])

当我跳过缩放阶段时，会生成正确的数组：

array([[-22365.93400183, -22092.31794674, -22074.21420168, ...,
        -14513.89091599, -12311.97437017, -12088.07062786],
       [-29264.34039242, -28775.79743097, -29021.31886353, ...,
        -21354.6799064 , -21150.76555669, -21046.41225097],
       [-39792.93758344, -39253.50249278, -38859.2562673 , ...,
        -24253.36838785, -25714.71895023, -29237.74277727],
       ..., 
       [ 44829.24733543,  44779.37084337,  44770.32987311, ...,
         21041.42652441,  20777.00408692,  20512.58162671],
       [ 44067.26616067,  44054.5398901 ,  44007.62587598, ...,
         21415.90416488,  21151.48168444,  20887.05918082],
       [ 43265.35371973,  43332.5983711 ,  43332.21743471, ...,
         21780.32283309,  21529.39770759,  21278.47255848]])