У меня есть замаскированный массив (пример игрушки) - [1 2 3 4 -- 6]
points = [1, 2, 3, 4, 0, 6]
mask = [0, 0, 0, 0, 1, 0]
points = ma.array(points, mask=mask)
И я хотел бы интерполировать его из 6 измерений в любое число, например, 6. Мои критерии интерполяции таковы, что он будет игнорировать маскированные значения и пропустить этот индекс.
Нежелательное поведение, например, с lin = np.linspace(0, 1, 6):
f = interp1d(lin, points, axis=0, kind='cubic')
f(lin) # [1 2 3 4 -8.8817842e-16 6]
Вместо этого я ожидаю, что оно будет вести себя как:
compressed_lin = [0, 0.2, 0.4, 0.6, 1]
compressed_points = np.array([1,2,3,4,6])
f = interp1d(compressed_lin, compressed_points, axis=0, kind='cubic')
f(lin) # [1 2 3 4 5 6]
Фактические данные:
Мои данные имеют форму [100, 100, 2], поэтому их не так просто, как скрыть маскированные значения из linspace размера 100.
Примечание к замаскированному массиву:
Я уже знаю, что есть способ выполнить 2-мерную интерполяцию для замаскированного массива (https://modelhelptokyo.wordpress.com/2017/10/25/how-to-interpolate-missing-values-2d-python/, Скриптная интерполяция с замаскированными данными? , Scipy interp2d интерполирует замаскированные значения заливки )
Если был способ интерполировать все значения в замаскированном массиве для заполнения, а не постоянное заполнение, которое решит проблема, как тогда я буду иметь дело с заполненным numpy массивом.
причина Я не могу использовать compressed, это может изменить порядок индексов и размер массива, например:
points = np.array([1, 2, 3, 4, 5, 6])
points = ma.stack([
ma.array(points, mask=[0, 0, 0, 0, 1, 0]),
ma.array(points, mask=[0, 0, 1, 0, 0, 0]),
])
print(points)
# [[1 2 3 4 -- 6]
# [1 2 -- 4 5 6]]
print(np.reshape(points.compressed(), (2, 5)))
# [[1 2 3 4 6]
# [1 2 4 5 6]]