使用3d数组来索引4d数组
使用3d数组来索引4d数组
提问于 2019-06-05 19:52:32
我有一个维度为I[t, z, y, x]的4d-xarray和一个维度为Z[t, y, x]的3d-xarray。对于I中的维度z，Z是我需要的索引。现在我想获取值I[t, Z[t,y,x], y, x]并将它们写入一个新的大小为O[t, y, x]的xarray中。
在原则上，我通过使用for循环解决了这个问题，但这太慢了(大量的大型数组)。有没有办法在没有for循环的情况下做到这一点？
示例代码做了我想做的事情，但速度很慢：
def get_field_at_levels(array, levels):
shape = array.shape
array_out = np.zeros_like(levels)
for t in range(shape[0]):
for x in range(shape[2]):
for y in range(shape[3]):
if np.isnan(levels[t, x, y]):
array_out[t, x, y]==float('nan')
else:
array_out[t, x, y] = array[t, int(levels[t, x, y]), x, y]
return array_outStack Overflow用户
回答已采纳
发布于 2019-06-06 21:17:31
我使用numpy.asarray将所有的xarray转换为numpy.arrays。现在程序使用循环已经足够快了。下面是一个使用随机数的示例脚本。在我的实际数据中，我的索引超出了范围(-1)。在本例中，我想要NaN作为结果。
import numpy as np
import time
tsize = 1
xsize = 40
ysize = 240
zsize = 260
def val_at_lev(data, Ind):
sh=data.shape
data2=np.empty([sh[0],sh[1]+1,sh[2],sh[3]])
data2[:,0:sh[1],:,:]=data
data2[:,sh[1],:,:]='nan'
out=np.asarray(np.zeros_like(Ind))
erg=np.asarray([data2[t,Ind[t,0,j,k],j,k] for t in range(sh[0]) for j in range(sh[2]) for k in range(sh[3])])
out = erg.reshape(tsize,1,ysize,zsize)
return out
# Main program
Ind=np.random.randint(-1,xsize,[tsize,1,ysize,zsize])
data=np.random.uniform(0,100,[tsize,xsize,ysize,zsize])
start_time = time.time()
erg=val_at_lev(data,Ind)
print("--- %s seconds ---" % (time.time() - start_time))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56459969
复制相关文章
相似问题
腾讯云开发者
