深圳物流公司网站,怀柔网站建设,多种语言的网站,大连网站建设大连假设文件中的x和y值直接对应于索引(就像在您的示例中那样),您可以执行与此类似的操作#xff1a;import numpy as npx [0, 0, 1, 1, 2, 2]y [1, 2, 0, 1, 1, 2]z [14, 17, 15, 16, 18, 13]z_array np.nan * np.empty((3,3))z_array[y, x] zprint z_array产量#xff1a;…假设文件中的x和y值直接对应于索引(就像在您的示例中那样),您可以执行与此类似的操作import numpy as npx [0, 0, 1, 1, 2, 2]y [1, 2, 0, 1, 1, 2]z [14, 17, 15, 16, 18, 13]z_array np.nan * np.empty((3,3))z_array[y, x] zprint z_array产量[[ nan 15. nan][ 14. 16. 18.][ 17. nan 13.]]对于大型数组,这将比坐标上的显式循环快得多.处理不均匀的x输入如果你经常采样x y点,然后您可以通过减去网格的“角”(即x0和y0),除以单元格间距,并将其转换为整数,将它们转换为网格索引.然后,您可以使用上述方法或任何其他答案.作为一般例子i ((y - y0) / dy).astype(int)j ((x - x0) / dx).astype(int)grid[i,j] z但是,如果您的数据没有规则间隔,则可以使用一些技巧.假设我们有以下数据import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1977)x, y, z np.random.random((3, 10))fig, ax plt.subplots()scat ax.scatter(x, y, cz, s200)fig.colorbar(scat)ax.margins(0.05)我们想要放入常规的10×10网格我们实际上可以使用/滥用np.histogram2d.而不是计数,我们将它添加落入单元格的每个点的值.最简单的方法是指定weights z,normed False.import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1977)x, y, z np.random.random((3, 10))# Bin the data onto a 10x10 grid# Have to reverse x y due to row-first indexingzi, yi, xi np.histogram2d(y, x, bins(10,10), weightsz, normedFalse)zi np.ma.masked_equal(zi, 0)fig, ax plt.subplots()ax.pcolormesh(xi, yi, zi, edgecolorsblack)scat ax.scatter(x, y, cz, s200)fig.colorbar(scat)ax.margins(0.05)plt.show()但是,如果我们有大量的积分,一些垃圾箱会有不止一个积分. np.histogram的权重参数只是添加了值.在这种情况下,这可能不是你想要的.尽管如此,我们可以通过除以计数得到每个单元格中落点的平均值.所以,例如,假设我们有50分import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1977)x, y, z np.random.random((3, 50))# Bin the data onto a 10x10 grid# Have to reverse x y due to row-first indexingzi, yi, xi np.histogram2d(y, x, bins(10,10), weightsz, normedFalse)counts, _, _ np.histogram2d(y, x, bins(10,10))zi zi / countszi np.ma.masked_invalid(zi)fig, ax plt.subplots()ax.pcolormesh(xi, yi, zi, edgecolorsblack)scat ax.scatter(x, y, cz, s200)fig.colorbar(scat)ax.margins(0.05)plt.show()由于点数非常多,这种精确的方法会变慢(并且可以很容易地加速),但对于小于1e6点的任何东西都足够了.
