遮罩 2D numpy 数组

Question

我想在 2D numpy 数组上应用掩码。但它不能正常工作。假设我有

val(lat, lon)  ---> my 2D array (20, 30)


Mask_lat = np.ma.masked_array(lat, mask=latmask)  ---> masked lat (5,)


Mask_lon = np.ma.masked_array(lon, mask =lonmask)   ---> masked lon (8,)


Maks_val = np.ma.masked_array(val, mask=mask_lat_lon) ---> ?

我不知道我怎么能通过一个正确的mask_lat_lon被屏蔽val (5,8)。如果有人指导我，我将不胜感激。

先感谢您。

Answer 1

如果我正确理解你的问题，你有两个一维数组代表二维数组中的 y 和 x（纬度和经度）位置。您想根据二维数组中的 x/y 位置屏蔽一个区域。

要理解的关键部分是二维数组的掩码也是二维的。

例如，让我们屏蔽二维数组的单个元素：

import numpy as np

z = np.arange(20).reshape(5, 4)
mask = np.zeros(z.shape, dtype=bool)

mask[3, 2] = True

print z
print np.ma.masked_array(z, mask)

这产生：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]]

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 -- 15]
 [16 17 18 19]]

在您的情况下，您有两个 1D x 和 y 数组，您需要从中创建一个 2D 蒙版。例如：

import numpy as np

x = np.linspace(-85, -78, 4)
y = np.linspace(32, 37, 5)
z = np.arange(20).reshape(5, 4)

xmask = (x > -82.6) & (x < -80)
ymask = (y > 33) & (y < 35.6)

print xmask
print ymask

然后我们需要使用广播将它们组合成一个 2D 蒙版：

mask = xmask[np.newaxis, :] & ymask[:, np.newaxis]

用newaxis（或None，它们是同一个对象）切片会在该位置添加一个新轴，将一维数组变成二维数组。如果您以前看过这个，快速浏览一下内容xmask[np.newaxis, :]和ymask[:, np.newaxis]外观很有用：

In [14]: xmask
Out[14]: array([False, False,  True, False], dtype=bool)

In [15]: ymask
Out[15]: array([False,  True,  True, False, False], dtype=bool)

In [16]: xmask[np.newaxis, :]
Out[16]: array([[False, False,  True, False]], dtype=bool)

In [17]: ymask[:, np.newaxis]
Out[17]:
array([[False],
       [ True],
       [ True],
       [False],
       [False]], dtype=bool)

mask然后将是（请记住，True元素被屏蔽）：

In [18]: xmask[np.newaxis, :] & ymask[:, np.newaxis]
Out[18]:
array([[False, False, False, False],
       [False, False,  True, False],
       [False, False,  True, False],
       [False, False, False, False],
       [False, False, False, False]], dtype=bool)

最后，我们可以z基于这个掩码创建一个二维掩码数组：

arr = np.masked_array(z, mask)

这给了我们最终的结果：

 [[ 0  1  2  3]
  [ 4  5 --  7]
  [ 8  9 -- 11]
  [12 13 14 15]
  [16 17 18 19]]