如何使用 xarray.apply_ufunc() 将 1D 中值滤波器应用于 3D DataArray答案

【问题标题】：How to apply a 1D median filter to a 3D DataArray using xarray.apply_ufunc()如何使用 xarray.apply_ufunc() 将 1D 中值滤波器应用于 3D DataArray
【发布时间】：2019-07-18 10:31:49
【问题描述】：

我有 3 维 DataArray（使用 xarray）。我想沿某个维度对其应用一维。具体来说，我想应用 scipy.signal.medfilt() 函数，但它应该是一维的。

到目前为止，我已经通过以下方式成功实现了这一点：

for sample in data_raw.coords["sample"]:
    for experiment in data_raw.coords["experiment"]:
        data_filtered.loc[sample,experiment,:] = signal.medfilt(data_raw.loc[sample,experiment,:], 15)

（我的数据数组有维度“sample”、“experiment”和“wave_number”。此代码沿“wave_number”维度应用过滤器）

这样做的问题是计算需要相当长的时间，我的直觉告诉我，像这样循环坐标是一种低效的方法。所以我正在考虑使用xarray.apply_ufunc() 函数，特别是因为我在相同的代码中以类似的方式使用了它：

xr.apply_ufunc(np.linalg.norm, data, kwargs={"axis": 2}, input_core_dims=[["wave_number"]])

（这会计算向量沿“wave_number”维度的长度。）

我最初也有这个循环通过坐标，就像这里的第一个代码一样。

问题出在我尝试的时候

xr.apply_ufunc(signal.medfilt, data_smooth, kwargs={"kernel_size": 15})

它返回一个全零的数据数组，大概是因为它应用了 3D 中值滤波器并且数据数组包含 NaN 条目。我意识到这里的问题是我需要为scipy.signal.medfilt() 函数提供一维数组，但不幸的是，无法指定沿其应用过滤器的轴（与numpy.linalg.norm() 不同）。

那么，如何在不循环坐标的情况下应用一维中值滤波器？

【问题讨论】：

标签： python scipy python-xarray

【解决方案1】：

如果我理解正确，你应该这样使用它：

xr.apply_ufunc(signal.medfilt, data_smooth, kwargs={"kernel_size": 15}, input_core_dims = [['wave_number']], vectorize=True)

使用vectorize = True，您可以将输入函数矢量化，以应用于定义为保留核心尺寸的数组切片。

尽管如此，如documentation 所述：

此选项的存在是为了方便，但几乎总是比提供预矢量化函数慢

因为实现本质上是一个 for 循环。但是，我仍然比自己制作循环获得更快的结果。

【讨论】：