应用具有多个匹配条件的 numpy 掩码

Question

我是一个 python 新手，试图了解如何更好地使用 numpy 掩码。 我有两个二维数据数组加上轴值，所以像

        import numpy as np 
        data1=np.arange(50).reshape(10,5)
        data2=np.random.rand(10,5)
        x=5*np.arange(5)+15
        y=2*np.arange(10)

其中 x 包含 data1 和 data2 的第 1 轴坐标，y 给出 data1 和 data2 的第 2 轴坐标。

我想识别和计算 data1 中的所有点

1. data1>D1 分钟，
2. 对应的 x 值在给定范围内，XRange 和
3. 对应的 y 在给定的范围内，YRange

然后，当我全部完成后，我还需要进行检查以确保没有一个对应的 data2 值小于另一个限制 D2Max

如果

        XRange = [27,38]
        YRange = [2,12]
        D1min = 23
        D2Max = 0.8

我想在 x 方向包括单元格 3:4，在第二维包括 1:6（假设我想包括限制值）。

这意味着我只会考虑 data1[3:4,1:6] 那么二维数组中的值的限制就进入了，所以要识别和计算data1[3:4,1:6] > 23的点。

完成此操作后，我想获取 那些 数据位置并检查这些位置中是否有任何位置在 data2 中具有

实际上我没有 x 和 y 的公式，而且数组要大得多。此外，x 和 y 甚至可能不是单调的。

我认为我应该为此使用 numpy 掩码，并且我设法做到了，但结果似乎真的很折磨 - 我认为如果我只是循环使用中的值，代码会更清晰二维数组。

我认为主要问题是我无法将掩码与布尔运算结合起来。我从网上搜索得到的想法通常不适用于数组。

我认为有一种优雅且（希望）可以理解的方式来做到这一点，只需几行面具。有人愿意向我解释一下吗？

Answer 1

好吧，我最终想出了一些东西，所以我想我会发布它。我欢迎提出改进建议。

#expand x and y into 2D arrays so that they can more 
#easily be used for masking using tile
x2D = np.tile(x,(len(y),1))
y2D = np.tile(y,(len(x),1)).T

#mask these based on the ranges in X and Y
Xmask = np.ma.masked_outside(x2D,XRange[0],XRange[1]).mask
Ymask = np.ma.masked_outside(y2D,YRange[0],YRange[1]).mask

#then combine them
#Not sure I need the shrink=False, but it seems safer
XYmask = np.ma.mask_or(Xmask, Ymask,shrink=False)

#now mask the data1 array based on D1mask. 
highdat = np.ma.masked_less(data1,D1min)

#combine with XYmask
data1mask = np.ma.mask_or(highdat.mask, XYmask,shrink=False) 

#apply to data1 
data1masked = np.ma.masked_where(data1mask,data1)

#number of points fulfilling my criteria
print('Number of points: ',np.ma.count(data1masked))

#transfer mask from data1 to data2
data2masked = np.ma.masked_where(data1mask, data2)
   
#do my check based on data2
if data2masked.min() < D2Max: print('data2 values are low!')