如何解决用Python中第二个数组的50%随机选择的值随机替换一个数组的50%的值
我对Python和编码是完全陌生的,因此我一直试图将一个数组中随机选择的值替换为第二个数组中的值。我的数据是从2个Iris Cubes中提取的,包括LAT和LON数据。
加载两个立方体之后,我可以从两个经度和纬度分别为“ obs_1”和“ obs_2”的观测数据集中提取数据,其形状为(475,635):
obs_1
<iris 'Cube' of OBSERVATIONS / (g/m2) (latitude: 475; longitude: 635)>
和
obs_2
<iris 'Cube' of OBSERVATIONS / (g/m2) (latitude: 475; longitude: 635)>
obs_1.data和obs_2.data均可作为numpy数组进行线程处理:
type(obs_1.data)
Out[174]: numpy.ndarray
使用
size(obs_1.data)
Out[173]: 301625
我的obs_1包含所选日期的时间18:00的观察值,以及obs_2从t = 14:00到t = 17:00的同一时间的平均值。
现在,我要尝试的是将obs_1中50%的值随机替换为obs_2中50%的随机选择值。
数组中的数据如下所示(这是从数组中选择的):
array([[ nan,nan,3.6444201,3.6288068,3.4562614,3.1650603,2.837024,2.5862055,2.5824826,nan],[ nan,4.126052,4.154033,3.6938105,3.1892183,2.837798,2.695081,2.4830801,2.619453,2.744787,4.037193,3.9007418,3.918395,4.1123595,4.479512,4.139696,3.7454944,1.7283309,2.0259488,2.6097915,2.8537903,3.3934724,4.476785,4.5633755,3.7924814,3.270711,1.7360739,2.171296,2.6570952,3.58288,4.6880975,4.411482,3.9552238,3.7757099,2.875049,2.1458075,1.7425493,1.8161889,1.2822593,1.4383382,1.5031592,1.5003852,1.9955662,4.0983477,1.5202525,1.2684406,1.3887881,1.6239417,1.5679324,1.3143418,0.9014559,1.046359,1.1121098,1.2461395,1.3922306,1.5674534,1.7686707,4.694426,5.8581176,1.4250685,1.342187,1.460965,1.5898347,1.4935569,0.76497865,0.7578024,0.9086805,1.1051334,1.0408422,1.0398425,1.1574577,1.6596926,4.667655,1.4770626,1.3014681,1.2809513,1.0585229,0.98995847,0.8447306,0.7979446,2.920856,1.2806126,0.97792864,0.8848762,2.0891907,1.4531214,1.2615036,0.97086287,4.1831126,1.1235833,1.2448411,0.95834756,0.99093884,1.0072019,1.1916308,0.9324562,1.0275717,1.2712531,3.2303405,4.449829,nan]],dtype=float32)
其中nan是加载过程掩盖的值(数据不相关)。
我进行了搜索,并尝试使用np.random和masking,但是我不知道如何从两个数组中随机选择,并用obs_2 mask替换obs_1 mask,因为这些面具的形状不同。我正在努力编写代码,因此,除了使用iris cube加载数据(如果有任何帮助,我可以发布)外,我没有任何示例可供显示。
有人可以给我指出任何示例(到目前为止,关于从不同阵列交换数据的信息,我找不到),或者给我任何有关如何进行操作的提示。
非常感谢。 一切顺利
解决方法
有关从Numpy数组中随机选择的信息,请参见this question。
obs_1 = np.array(
[[1,3,0],[3,2,[0,1],[1,1,4],2],4,[2,1]]
)
obs_2 = np.array(
[[10,[30,[100,[10,[20,1]]
)
n_observation = min(obs_1.shape[0],obs_2.shape[0])
index_1 = np.random.choice(np.arange(obs_1.shape[0]),int(n_observation / 2),replace=False)
index_2 = np.random.choice(np.arange(obs_2.shape[0]),replace=False)
obs_1[index_1,:] = obs_2[index_2,:]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。