如何获取NumPy掩码数组的最后一个非零值？

Question

我正在制作模型。 结果存储在NetCFD文件中，其中包含每个粒子的lon，lat和time的掩码数据。 我想获取每个粒子的lon，lat，time的最后一个实际值。 我设法获得了最后一个实数的位置，但没有获得值本身。

你有什么建议吗？

我的代码如下所示：

lat1= masked_array(data=[[-14.33945369720459, -14.33945369720459, -14.339454650878906,
     -14.339454650878906, -14.339454650878906, -14.339454650878906,
     -14.339454650878906, -14.339454650878906, -14.339457511901855,
     -14.339459419250488, -14.339459419250488, -14.339459419250488,
     --, --, --, --, --, --, --, --],
    [-5.621851444244385, -5.621865272521973, -5.621881008148193,
     -5.621898651123047, -5.621916770935059, -5.621936321258545,
     -5.6219563484191895, -5.621973037719727, -5.621990203857422,
     -5.622012615203857, -5.622034072875977, -5.622053146362305, --,
     --, --, --, --, --, --, --]], mask=[[False, False, False, False, False, False, False, False, False,
     False, False, False,  True,  True,  True,  True,  True,  True,
      True,  True],
    [False, False, False, False, False, False, False, False, False,
     False, False, False,  True,  True,  True,  True,  True,  True,
      True,  True]], fill_value=nan, dtype=float32)         #latitude values of 2 particles


def last_nonzero(lat1, axis, invalid_val=-9999):
    mask = lat1!=0
    val = lat1.shape[axis] - np.flip(mask, axis=axis).argmax(axis=axis) - 1
    return np.where(mask.any(axis=axis), val, invalid_val)

last_nonzero(lat1, axis=1, invalid_val=-9999)        #for each particle, gives the position of the last real number
print lat1[last_nonzero(lat1, axis=1, invalid_val=-9999)]

Answer 1

如果我正确理解，您可以做的是：

1. 获取最后一个非零元素的索引（您已经知道如何获取它们）：

    >>> last_nonzero_indices = last_nonzero(lat1, axis=1, invalid_val=-9999) >>> last_nonzero_indices array([11, 11], dtype=int64) 

2. 仅获取初始数组的有效条目：

    >>> valid_values = lat1[~lat1.mask] >>> valid_values masked_array(data=[-14.33945369720459, -14.33945369720459, -14.339454650878906, -14.339454650878906, -14.339454650878906, -14.339454650878906, -14.339454650878906, -14.339454650878906, -14.339457511901855, -14.339459419250488, -14.339459419250488, -14.339459419250488, -5.621851444244385, -5.621865272521973, -5.621881008148193, -5.621898651123047, -5.621916770935059, -5.621936321258545, -5.6219563484191895, -5.621973037719727, -5.621990203857422, -5.622012615203857, -5.622034072875977, -5.622053146362305], mask=[False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False], fill_value=nan, dtype=float32) 

3. 随着返回数组的展平，请根据我们之前计算出的索引来计算相应的索引：

    >>> last_nonzero_indices = np.cumsum(last_nonzero_indices) >>> last_nonzero_indices array([11, 22], dtype=int64) 

4. 获取所需的最后一个非零值：

    >>> valid_values[last_nonzero_indices] masked_array(data=[-14.339459419250488, -5.622034072875977], mask=[False, False], fill_value=nan, dtype=float32) 

不过，我不太喜欢这种解决方案，希望对屏蔽数组有较深了解的人可以提出更好的建议。