插入数组时保留numpy掩码

Question

我正在尝试使用 numpy 掩码数组从光栅图像中过滤“无数据”。我正在执行的数组计算减去相邻像素的值（请参阅Applying functions to multidimensional numpy arrays without loops），但我不需要忽略任何数据值。以数组为例：

array = np.array([[78, 72, 69, 71, 58, 49],
                 [74, 67, 56, 49, 46, 50],
                 [69, 53, 44, 37, -9999, -9999],
                 [64, 58, 55, 22, 33, 24],
                 [68, 61, 47, 21, 16, 19],
                 [74, 53, 34, 12, 11, 12]])

假设 -9999 是一个无数据值。所以我将数组屏蔽如下：

array = np.ma.masked_where(array == -9999, array, False)

这会产生预期的结果。然后我需要计算每个元素与其周围 8 个邻居的差异。因此，对于“右下”邻居，这将是（此处忽略边缘像素）：

result = array[1: 5, 1: 5] - array[2: 6, 2: 6]

这也产生了我想要的结果：

[[23, 19, --, --],
 [-2, 22, 4, --],
 [11, 34, 6, 14],
 [27, 35, 10, 4]]

但是，当我将结果数组作为空数组的维度插入时，掩码从 -9999 丢失，更糟糕的是，“继承”掩码的元素 ([1, 3] & [1, 4 ]) 插入其原始值。

gradient = np.empty((8, 4, 4), dtype = np.int)
gradient[0] = result

我可以再次屏蔽 -9999 值，但由于我将在梯度数组的轴 0 上应用 argmax 函数，因此保留原始值会导致问题。我正在寻找一种方法来插入上面显示的结果数组，或者寻找一种替代方法来屏蔽与空值匹配的相邻元素和/或替换结果中的值。

Answer 1

您应该使用 nan（nan = 不是数字）值而不是 -9999：

array[array == -9999] = np.nan

然后进行计算。从这个值派生的每个值也应该是 nan。