假設文件中的x和y值直接對應于索引(就像在您的示例中那樣),您可以執(zhí)行與此類似的操作：

import numpy as np

x = [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] = z

print z_array

產(chǎn)量：

[[ nan 15. nan]

[ 14. 16. 18.]

[ 17. nan 13.]]

對于大型數(shù)組,這將比坐標上的顯式循環(huán)快得多.

處理不均勻的x&輸入

如果你經(jīng)常采樣x& y點,然后您可以通過減去網(wǎng)格的“角”(即x0和y0),除以單元格間距,并將其轉(zhuǎn)換為整數(shù),將它們轉(zhuǎn)換為網(wǎng)格索引.然后,您可以使用上述方法或任何其他答案.

作為一般例子：

i = ((y - y0) / dy).astype(int)

j = ((x - x0) / dx).astype(int)

grid[i,j] = z

但是,如果您的數(shù)據(jù)沒有規(guī)則間隔,則可以使用一些技巧.

假設我們有以下數(shù)據(jù)：

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(1977)

x, y, z = np.random.random((3, 10))

fig, ax = plt.subplots()

scat = ax.scatter(x, y, c=z, s=200)

fig.colorbar(scat)

ax.margins(0.05)

我們想要放入常規(guī)的10×10網(wǎng)格：

我們實際上可以使用/濫用np.histogram2d.而不是計數(shù),我們將它添加落入單元格的每個點的值.最簡單的方法是指定weights = z,normed = False.

import numpy as np

import matplotlib.pyplot as plt

np.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 indexing

zi, yi, xi = np.histogram2d(y, x, bins=(10,10), weights=z, normed=False)

zi = np.ma.masked_equal(zi, 0)

fig, ax = plt.subplots()

ax.pcolormesh(xi, yi, zi, edgecolors='black')

scat = ax.scatter(x, y, c=z, s=200)

fig.colorbar(scat)

ax.margins(0.05)

plt.show()

但是,如果我們有大量的積分,一些垃圾箱會有不止一個積分. np.histogram的權(quán)重參數(shù)只是添加了值.在這種情況下,這可能不是你想要的.盡管如此,我們可以通過除以計數(shù)得到每個單元格中落點的平均值.

所以,例如,假設我們有50分：

import numpy as np

import matplotlib.pyplot as plt

np.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 indexing

zi, yi, xi = np.histogram2d(y, x, bins=(10,10), weights=z, normed=False)

counts, _, _ = np.histogram2d(y, x, bins=(10,10))

zi = zi / counts

zi = np.ma.masked_invalid(zi)

fig, ax = plt.subplots()

ax.pcolormesh(xi, yi, zi, edgecolors='black')

scat = ax.scatter(x, y, c=z, s=200)

fig.colorbar(scat)

ax.margins(0.05)

plt.show()

由于點數(shù)非常多,這種精確的方法會變慢(并且可以很容易地加速),但對于小于1e6點的任何東西都足夠了.

總結(jié)

以上是生活随笔為你收集整理的python生成二维坐标点_Python numpy：根据坐标创建二维数组的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。