在 numpy 数组中用最近的邻居填充 nan

Question

我得到了这个带有缺失值的 2D numpy 数组。是否有一种简单（且相当快）的方法用最接近的（最好是欧氏距离，但曼哈顿也可以）非南值填充南值？我在 numpy 或 scipy…

中找不到这样的函数

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))

实际展示（此处以黑色作为遮罩，image_defect 来自 from here）：

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：

在 numpy 数组中用最近的邻居填充 nan

Fill nan with nearest neighbor in numpy array

python

numpy

nan