我有许多相同维度的2d数组。每个像素的值为0、1或23。每个数组的值分布在不同的位置。我想要一个最大掩码，这是覆盖所有数组并取每个位置的最大值的结果。我还想要一个效果相反的迷你面膜。如果这是个愚蠢的问题，我很抱歉……我试图搜索，但只得到的方法，以获得一个单一的最大/最小值在整个数组或在某个轴上。如果你能帮忙的话，提前感谢你!
我的数组很大，我将在这里给出一个简单的例子-
a = ([[0, 1, 0, 0, 23],
[1, 0, 0, 0, 1],
[23, 23, 0, 1, 1],
[1, 1, 23, 0, 1]])
b = ([[23, 1, 0, 1, 1],
[1, 0, 0, 23, 1],
[0, 23, 0, 23, 1],
[1, 1, 0, 0, 23]])
# After some coding, max_mask and min_mask should be:
max_mask = ([[23, 1, 0, 1, 23],
[1, 0, 0, 23, 1],
[23, 23, 0, 23, 1],
[1, 1, 23, 0, 23]])
min_mask = ([[0, 1, 0, 0, 1],
[1, 0, 0, 0, 1],
[0, 23, 0, 1, 1],
[1, 1, 0, 0, 1]])
因为我有太多的数组从泛型函数创建，他们被命名为data1985, data1986…data2020，有没有一种更简单的方法可以遍历它们?
# this is how I create them by reading images
for i in range(1985, 2021):
globals()[f"data{i}"], globals()[f"geo{i}"], globals()[f"proj{i}"] = read_tif(r"C:UserswqtclDesktopREDDimages/" +str(i)+".tif")
globals()[f"data{i}"][np.isnan(globals()[f"data{i}"])]=23
# I want something like this (or easier!!)
# initialize array filled with zeros
mask = np.zeros([len(data1985), len(data1985[0])], dtype=int)
# populate array
for i in range(1985, 2021):
for j in range(len(data1985)):
for k in range(len(data1985[0])):
mask[j][k] = max(globals()[f"data{i}"][j][k])
# I got this error though...
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
~AppDataLocalTemp/ipykernel_18020/2600759678.py in <module>
6 for j in range(len(data1985)):
7 for k in range(len(data1985[0])):
----> 8 mask[j][k] = max(globals()[f"data{i}"][j][k])
9
10 print(mask)
TypeError: 'numpy.float32' object is not iterable
编辑:关于你的编辑，动态创建变量从来都不是一个好主意!将您的tif图像读入数组列表，然后使用我的解决方案。
path = r"C:UserswqtclDesktopREDDimages/{}.tif"
geo_data = {"data": [], "geo": [], "proj": []}
for i in range(1985, 2021):
data, geo, proj = read_tif(path.format(i))
geo_data["data"].append(data)
geo_data["geo"].append(geo)
geo_data["proj"].append(proj)
images = np.array(geo_data["data"])
images[np.isnan(images)] = 23.
max_mask = images.max(axis=0)
min_mask = images.min(axis=0)
请注意，我不能测试这个，因为我没有安装gdal，我没有一堆随机的.tif文件来测试这种方法。
原始解决方案
给你:
In [9]: a
Out[9]:
array([[ 0, 1, 0, 0, 23],
[ 1, 0, 0, 0, 1],
[23, 23, 0, 1, 1],
[ 1, 1, 23, 0, 1]])
In [10]: b
Out[10]:
array([[23, 1, 0, 1, 1],
[ 1, 0, 0, 23, 1],
[ 0, 23, 0, 23, 1],
[ 1, 1, 0, 0, 23]])
In [11]: np.maximum(a, b)
Out[11]:
array([[23, 1, 0, 1, 23],
[ 1, 0, 0, 23, 1],
[23, 23, 0, 23, 1],
[ 1, 1, 23, 0, 23]])
In [12]: np.minimum(a, b)
Out[12]:
array([[ 0, 1, 0, 0, 1],
[ 1, 0, 0, 0, 1],
[ 0, 23, 0, 1, 1],
[ 1, 1, 0, 0, 1]])
如果您需要为两个以上的数组这样做，您可以初始化一个3D数组并调用.max(axis=0):
In [15]: c
Out[15]:
array([[23, 0, 23, 1, 1],
[23, 23, 1, 0, 23],
[23, 1, 23, 1, 0],
[ 0, 0, 0, 23, 0]])
In [16]: d
Out[16]:
array([[23, 0, 0, 23, 23],
[ 1, 0, 1, 0, 23],
[ 0, 0, 23, 23, 0],
[ 1, 0, 23, 23, 0]])
In [17]: np.array([a, b, c, d]).max(axis=0)
Out[17]:
array([[23, 1, 23, 23, 23],
[23, 23, 1, 23, 23],
[23, 23, 23, 23, 1],
[ 1, 1, 23, 23, 23]])