Numpy 将 3D 数组映射到 2D 数组，但数组不匹配答案

【问题标题】：Numpy mapping a 3D array onto a 2D array, but arrays don't matchNumpy 将 3D 数组映射到 2D 数组，但数组不匹配
【发布时间】：2020-11-15 18:30:22
【问题描述】：

我不确定如何最好地解决这个问题，但我有一个数据文件，其中包含坐标 x、y 和一些量级的列表。让我们说人口。

X, Y, POP
1.2, 1.3, 1000
22.5, 2.5, 250
...
98.6, 1.7, 1500

首先，我将 X 和 Y 舍入到最接近的 int 并根据最小值和最大值的范围创建网格。

Xmin = np.amin(df['X'])
Xmax = np.amax(df['X'])

Ymin = np.amin(df['Y'])
Ymax = np.amax(df['Y'])

## I use a step of 10 as I don't have enough memory for a step counter of 1
## This is where the problem is
X = np.arange(int(Xmin), int(Xmax), 10) 
Y = np.arange(int(Ymin), int(Ymax), 10)

xx, yy = np.meshgrid(X, Y)

所以现在我有一个网格网格，其中包含我所有的坐标。现在的问题在于，我希望这个新的网格包含来自数据帧的幅度值。

因此我想将我的 df 映射到网格网格上，给我这样的东西。

X, Y, POP
1, 1, 1000
10, 1, N/A
20, 1, 250
...
90, 1, 1500

这是我用来解决问题的方法，但是速度很慢，并且会比较每个值。我想我的问题归结为，与下面的代码相比，是否有更快/更有效的方法？最终，我计划使用周围单元格的平均值来填充 N/A 值。但要做到这一点，我想首先将所有内容映射到一个漂亮的统一网格。

state = np.empty([X.shape[0], Y.shape[0]])
state[:] = np.nan

for i in range(0, len(X), 1):
    for j in range(0, len(Y), 1):
        for z in range(0, len(df['X']), 1):
            if (abs(X[i] - df['X'][z]) < 10) and (abs(Y[j] - df['Y'][z]) < 10):
                state[i,j] = df['POP'][z]

【问题讨论】：

您应该考虑对两个数组进行 pandas 连接。

标签： python python-3.x numpy

【解决方案1】：

precision = -1  # the number of digits to round off
df.groupby(
    [df['X'].round(precision), df['Y'].round(precision)]
).POP.sum().unstack().reindex(np.arange(...), np.arange(...))

我总结了落入同一单元格的值，您可能想要使用平均值。

【讨论】：