astropy.convolution.convolve returns 纳米值

Question

我正在尝试使用 astropy 模块来平滑我的数据。作为一维示例，我尝试了以下代码：

import numpy as np
from astropy import convolution as conv
var1=np.arange(10)
kernel=np.asarray([-1,1,0])
conv.convolve(var1,kernel)

我的 return 是：array([ nan, nan, nan, nan, nan, nan, nan, nan, nan, nan])

我假设它应该 return array([0,1,1,1,1,1,1,1,1,1])。我已经尝试使用 var1 数据类型 uint8、int8 和 float32。我也试过使用 convolve_fft，结果相同。

我熟悉 scipy 的卷积滤波器，但我想在我的数据中实际存在 NaN 值时使用 astropy，以便平滑它们。

Answer 1

您的内核总和为零，因此，astropy 将发出警告

RuntimeWarning: invalid value encountered in true_divide kernel_internal /= kernel_sum

最终导致所有 nans。

Answer 2

正如已经指出的那样，这是因为您的内核总和为零：

>>> import numpy as np
>>> np.sum(kernel)  # kernel = np.asarray([-1,1,0])
0

如果不规范化 kernel 但 astropy.convolution.convolve 总是规范化内核以在 NaN 上进行插值（因为 astropy 1.3 也被屏蔽），这本身就不是问题数组中的值并将结果再次乘以原始内核的总和（除非您明确使用 normalize_kernel=True）。

即使您已经说过您熟悉它，您也可以随时使用 scipy.ndimage.convolve:

>>> from scipy.ndimage import convolve

>>> convolve(var1, kernel[::-1])  # var1=np.arange(10)
array([0, 1, 1, 1, 1, 1, 1, 1, 1, 1])

并自己进行插值和卷积以及 NaN 定位！（不太好，但使用零和、不对称和混合签名内核，您无法正确进行卷积）。

但是，在使用 scipy.

时，您需要反转（因此 [::-1]）内核

在您的情况下，您也可以简单地使用 numpy.diff（删除前导零）：

>>> np.diff(var1)
array([1, 1, 1, 1, 1, 1, 1, 1, 1])

astropy.convolution.convolve returns 纳米值

astropy.convolution.convolve returns nan values

python

numpy

convolution

astropy