如何从所有重叠数组的最大值创建掩码数组?
How to create a mask array from the max value of all overlapping arrays?
我有很多相同维度的二维数组。每个像素的值为 0、1 或 23。每个数组的值分布在不同的位置。我想要一个最大掩码,它是覆盖所有数组并取每个位置的最大值的结果。我还想要一个相反的最小掩码。抱歉,如果这是一个愚蠢的问题...我尝试搜索但只得到了在整个数组或某个轴上获取单个 max/min 值的方法。如果您能提供帮助,请提前致谢!
我的数组很大,这里举个简单的例子-
a = ([[0, 1, 0, 0, 23],
[1, 0, 0, 0, 1],
[23, 23, 0, 1, 1],
[1, 1, 23, 0, 1]])
b = ([[23, 1, 0, 1, 1],
[1, 0, 0, 23, 1],
[0, 23, 0, 23, 1],
[1, 1, 0, 0, 23]])
# After some coding, max_mask and min_mask should be:
max_mask = ([[23, 1, 0, 1, 23],
[1, 0, 0, 23, 1],
[23, 23, 0, 23, 1],
[1, 1, 23, 0, 23]])
min_mask = ([[0, 1, 0, 0, 1],
[1, 0, 0, 0, 1],
[0, 23, 0, 1, 1],
[1, 1, 0, 0, 1]])
由于我有太多从通用函数创建的数组,它们的名称类似于 data1985、data1986...data2020,有没有一种方法可以更简单地遍历所有数组?
# this is how I create them by reading images
for i in range(1985, 2021):
globals()[f"data{i}"], globals()[f"geo{i}"], globals()[f"proj{i}"] = read_tif(r"C:\Users\wqtcl\Desktop\REDD\images/" +str(i)+".tif")
globals()[f"data{i}"][np.isnan(globals()[f"data{i}"])]=23
# I want something like this (or easier!!)
# initialize array filled with zeros
mask = np.zeros([len(data1985), len(data1985[0])], dtype=int)
# populate array
for i in range(1985, 2021):
for j in range(len(data1985)):
for k in range(len(data1985[0])):
mask[j][k] = max(globals()[f"data{i}"][j][k])
# I got this error though...
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_18020/2600759678.py in <module>
6 for j in range(len(data1985)):
7 for k in range(len(data1985[0])):
----> 8 mask[j][k] = max(globals()[f"data{i}"][j][k])
9
10 print(mask)
TypeError: 'numpy.float32' object is not iterable
编辑:关于您的编辑,动态变量创建从来都不是一个好主意!将您的 tif
图像读入数组列表,然后使用我的解决方案。
path = r"C:\Users\wqtcl\Desktop\REDD\images/{}.tif"
geo_data = {"data": [], "geo": [], "proj": []}
for i in range(1985, 2021):
data, geo, proj = read_tif(path.format(i))
geo_data["data"].append(data)
geo_data["geo"].append(geo)
geo_data["proj"].append(proj)
images = np.array(geo_data["data"])
images[np.isnan(images)] = 23.
max_mask = images.max(axis=0)
min_mask = images.min(axis=0)
请注意,我无法对此进行测试,因为我没有安装 gdal
并且我没有一堆随机 .tif
文件来测试此方法。
原解
给你:
In [9]: a
Out[9]:
array([[ 0, 1, 0, 0, 23],
[ 1, 0, 0, 0, 1],
[23, 23, 0, 1, 1],
[ 1, 1, 23, 0, 1]])
In [10]: b
Out[10]:
array([[23, 1, 0, 1, 1],
[ 1, 0, 0, 23, 1],
[ 0, 23, 0, 23, 1],
[ 1, 1, 0, 0, 23]])
In [11]: np.maximum(a, b)
Out[11]:
array([[23, 1, 0, 1, 23],
[ 1, 0, 0, 23, 1],
[23, 23, 0, 23, 1],
[ 1, 1, 23, 0, 23]])
In [12]: np.minimum(a, b)
Out[12]:
array([[ 0, 1, 0, 0, 1],
[ 1, 0, 0, 0, 1],
[ 0, 23, 0, 1, 1],
[ 1, 1, 0, 0, 1]])
如果需要对两个以上的数组执行此操作,可以初始化一个 3D 数组并调用 .max(axis=0)
:
In [15]: c
Out[15]:
array([[23, 0, 23, 1, 1],
[23, 23, 1, 0, 23],
[23, 1, 23, 1, 0],
[ 0, 0, 0, 23, 0]])
In [16]: d
Out[16]:
array([[23, 0, 0, 23, 23],
[ 1, 0, 1, 0, 23],
[ 0, 0, 23, 23, 0],
[ 1, 0, 23, 23, 0]])
In [17]: np.array([a, b, c, d]).max(axis=0)
Out[17]:
array([[23, 1, 23, 23, 23],
[23, 23, 1, 23, 23],
[23, 23, 23, 23, 1],
[ 1, 1, 23, 23, 23]])
我有很多相同维度的二维数组。每个像素的值为 0、1 或 23。每个数组的值分布在不同的位置。我想要一个最大掩码,它是覆盖所有数组并取每个位置的最大值的结果。我还想要一个相反的最小掩码。抱歉,如果这是一个愚蠢的问题...我尝试搜索但只得到了在整个数组或某个轴上获取单个 max/min 值的方法。如果您能提供帮助,请提前致谢!
我的数组很大,这里举个简单的例子-
a = ([[0, 1, 0, 0, 23],
[1, 0, 0, 0, 1],
[23, 23, 0, 1, 1],
[1, 1, 23, 0, 1]])
b = ([[23, 1, 0, 1, 1],
[1, 0, 0, 23, 1],
[0, 23, 0, 23, 1],
[1, 1, 0, 0, 23]])
# After some coding, max_mask and min_mask should be:
max_mask = ([[23, 1, 0, 1, 23],
[1, 0, 0, 23, 1],
[23, 23, 0, 23, 1],
[1, 1, 23, 0, 23]])
min_mask = ([[0, 1, 0, 0, 1],
[1, 0, 0, 0, 1],
[0, 23, 0, 1, 1],
[1, 1, 0, 0, 1]])
由于我有太多从通用函数创建的数组,它们的名称类似于 data1985、data1986...data2020,有没有一种方法可以更简单地遍历所有数组?
# this is how I create them by reading images
for i in range(1985, 2021):
globals()[f"data{i}"], globals()[f"geo{i}"], globals()[f"proj{i}"] = read_tif(r"C:\Users\wqtcl\Desktop\REDD\images/" +str(i)+".tif")
globals()[f"data{i}"][np.isnan(globals()[f"data{i}"])]=23
# I want something like this (or easier!!)
# initialize array filled with zeros
mask = np.zeros([len(data1985), len(data1985[0])], dtype=int)
# populate array
for i in range(1985, 2021):
for j in range(len(data1985)):
for k in range(len(data1985[0])):
mask[j][k] = max(globals()[f"data{i}"][j][k])
# I got this error though...
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_18020/2600759678.py in <module>
6 for j in range(len(data1985)):
7 for k in range(len(data1985[0])):
----> 8 mask[j][k] = max(globals()[f"data{i}"][j][k])
9
10 print(mask)
TypeError: 'numpy.float32' object is not iterable
编辑:关于您的编辑,动态变量创建从来都不是一个好主意!将您的 tif
图像读入数组列表,然后使用我的解决方案。
path = r"C:\Users\wqtcl\Desktop\REDD\images/{}.tif"
geo_data = {"data": [], "geo": [], "proj": []}
for i in range(1985, 2021):
data, geo, proj = read_tif(path.format(i))
geo_data["data"].append(data)
geo_data["geo"].append(geo)
geo_data["proj"].append(proj)
images = np.array(geo_data["data"])
images[np.isnan(images)] = 23.
max_mask = images.max(axis=0)
min_mask = images.min(axis=0)
请注意,我无法对此进行测试,因为我没有安装 gdal
并且我没有一堆随机 .tif
文件来测试此方法。
原解
给你:
In [9]: a
Out[9]:
array([[ 0, 1, 0, 0, 23],
[ 1, 0, 0, 0, 1],
[23, 23, 0, 1, 1],
[ 1, 1, 23, 0, 1]])
In [10]: b
Out[10]:
array([[23, 1, 0, 1, 1],
[ 1, 0, 0, 23, 1],
[ 0, 23, 0, 23, 1],
[ 1, 1, 0, 0, 23]])
In [11]: np.maximum(a, b)
Out[11]:
array([[23, 1, 0, 1, 23],
[ 1, 0, 0, 23, 1],
[23, 23, 0, 23, 1],
[ 1, 1, 23, 0, 23]])
In [12]: np.minimum(a, b)
Out[12]:
array([[ 0, 1, 0, 0, 1],
[ 1, 0, 0, 0, 1],
[ 0, 23, 0, 1, 1],
[ 1, 1, 0, 0, 1]])
如果需要对两个以上的数组执行此操作,可以初始化一个 3D 数组并调用 .max(axis=0)
:
In [15]: c
Out[15]:
array([[23, 0, 23, 1, 1],
[23, 23, 1, 0, 23],
[23, 1, 23, 1, 0],
[ 0, 0, 0, 23, 0]])
In [16]: d
Out[16]:
array([[23, 0, 0, 23, 23],
[ 1, 0, 1, 0, 23],
[ 0, 0, 23, 23, 0],
[ 1, 0, 23, 23, 0]])
In [17]: np.array([a, b, c, d]).max(axis=0)
Out[17]:
array([[23, 1, 23, 23, 23],
[23, 23, 1, 23, 23],
[23, 23, 23, 23, 1],
[ 1, 1, 23, 23, 23]])