我的二维数据包含错误值（0表示错误）。我的目标是将每个坏值替换为最近的不坏值的邻居。
SciPyNearestNDInterpolator似乎是执行此操作的好方法。在二维情况下，它接受（点数）x 2个索引数组和（点数）x 1个对应值数组作为插值对象。
因此，我需要获取索引和值的子集：那些是“好”的索引和值。下面的代码实现了这一点，但coordinates = array(list(ndindex(n_y, n_x)))和where(values != 0)[0]都凌乱。有没有更清洁的方法可以做到这一点？
# n_y and n_x are the number of points along each dimension.
coordinates = array(list(ndindex(n_y, n_x)))
values = data.flatten()
nonzero_ind = where(values != 0)[0]
nonzero_coordinates = coordinates[nonzero_ind, :]
nonzero_values = values[nonzero_ind]
谢谢。
nonzero_coordinates = np.argwhere(data != 0)
nonzero_values = np.extract(data, data)
或者简单地：
nonzero_values = data[data!=0]
我最初宁愿错过明显的nonzero_values方法，但要感谢@askewchan的意见。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句