我有一個xarray尺寸為 x、y、z的 3D DataArray，我試圖scipy.ndimage.convolve在每個 xy 平面上應用，同時將輸出保持為 DataArray。當然，我正試圖用它xr.apply_ufunc來做到這一點。如果我只為一架飛機這樣做，它就可以完美運行：da=xr.DataArray(np.random.rand(5,5,5), dims=("x", "y", "z"))kernel=np.ones((3,3))from scipy.ndimage import convolveconv1 = lambda x: convolve(x, kernel, mode="wrap")print(xr.apply_ufunc(conv1, da[:,:,0])) # works successfully我現在試圖想出一種方法來為每個 xy 平面做同樣的事情。我認為會起作用的是使用np.apply_along_axisor np.apply_over_axes，但它們都不起作用。我可以遍歷軸，將所有內容都放在一個列表中，然后進行連接，但我試圖使用它xr.apply_ufunc來避免屬性出現問題。有沒有辦法做到這一點？這是我認為應該工作的示例，但事實并非如此：np.apply_over_axes(conv1, c, axes=(0,1))但這失敗了TypeError: <lambda>() takes 1 positional argument but 2 were given
2 回答
互換的青春
TA貢獻1797條經驗 獲得超6個贊
使用形狀為 (3, 3, 1) 的內核代替 (3, 3) 怎么樣？
kernel2d = np.ones((3, 3))
conv2d = lambda x: convolve(x, kernel2d, mode="wrap")
result2d = xr.apply_ufunc(conv2d, da[:, :, 0])
kernel3d = np.ones((3, 3, 1))
conv3d = lambda x: convolve(x, kernel3d, mode="wrap")
result3d = xr.apply_ufunc(conv3d, da)
(result2d == result3d[:, :, 0]).all() # -> True
另一種選擇是在 中使用矢量化邏輯xr.apply_ufunc，這可能更接近您嘗試執行的操作
kernel = np.ones((3, 3))
conv = lambda x: convolve(x, kernel, mode="wrap")
result = xr.apply_ufunc(conv, da, input_core_dims=[['x', 'y']],
output_core_dims=[['x', 'y']],
vectorize=True)
(result2d == result.transpose('x', 'y', 'z')).all() # --> True
此選項只是為了方便而準備的，因此它可能比計算矢量化的第一個要慢得多。
函數式編程
TA貢獻1807條經驗 獲得超9個贊
我想出的一個可能的答案是手動執行此操作：
def conv_rx(da, axis="z"):
planes = [ xr.apply_ufunc(conv1, da.sel(z=z)) for z in da.z ]
new = xr.concat(planes, dim=axis)
return new.transpose(*da.dims)
這會產生正確的結果。但是，我對此不太滿意，因為它不優雅而且速度很慢。
添加回答
舉報
0/150
提交
取消