用 numpy 数组中的最近邻填充 nan

Question

我得到了这个带有缺失值的二维 numpy 数组。是否有一种简单（且相当快）的方法用最接近的（最好是欧几里德距离，但曼哈顿也可以）非纳米值填充纳米值？我在 numpy 或 scipy\xe2\x80\xa6 中找不到这样的函数

\n

Answer 1

使用scipy.interpolate.NearestNDInterpolator。

例如：

from scipy.interpolate import NearestNDInterpolator
data = ... # shape (w, h)
mask = np.where(~np.isnan(data))
interp = NearestNDInterpolator(np.transpose(mask), data[mask])
filled_data = interp(*np.indices(data.shape))

显示它的实际效果（这里用黑色作为遮罩，image_defect来自这里）：

data = image_defect
mask = np.where(~(data == 0))
interp = NearestNDInterpolator(np.transpose(mask), data[mask])
image_result = interp(*np.indices(data.shape))

然后，使用 scipy 中的绘图代码：