Comment garder au hasard des valeurs à un nombre spécifique et remplacer le reste sans données dans le tableau 2d numpy sans rien changer d'autres

Question

Je suis nouveau en informatique scientifique. J'ai un tableau numpy 2D (disons, A) avec la forme comme (11153L, 4218L), le type de données est dtype('uint8'). Maintenant, je veux garder des données à quelques (disons, 10000) positions aléatoires (ligne, col) et remplir le reste avec no-data-value - Comment puis-je faire ceci?

Ici, no-data-value provient d'une autre variable environnementale, par ex. my_raster_nodata_values = dsc.noDataValue

Answer 1

Vous pouvez utiliser np.random.choice avec l'option arg replace ensemble comme False pour sélectionner des indices uniques pour la taille totale de ce tableau et définir ceux comme no_data_value. Ainsi, une mise en œuvre serait -

a.ravel()[np.random.choice(a.size,a.size-10000,replace=0)] = no_data_value 

Nous pouvons également utiliser np.put pour le rendre plus intuitif, comme si -

np.put(a, np.random.choice(a.size,a.size-10000,replace=0), no_data_value) 

Un échantillon analysé devrait le rendre plus facile à comprendre -

In [94]: a  # Input array 
Out[94]: 
array([[163, 80, 142, 169, 214], 
     [ 7, 59, 102, 104, 234], 
     [ 44, 143, 7, 30, 232], 
     [ 71, 15, 64, 42, 141]]) 

In [95]: no_data_value = 0 # No value specifier 

In [98]: N = 10 # Number of elems to keep 

In [99]: a.ravel()[np.random.choice(a.size,a.size-N,replace=0)] = no_data_value 

In [100]: a 
Out[100]: 
array([[ 0, 0, 142, 0, 0], 
     [ 7, 0, 0, 104, 234], 
     [ 0, 0, 7, 30, 232], 
     [ 71, 0, 64, 0, 141]]) 

---

Si vous avez déjà un ou plusieurs éléments dans le tableau en entrée égal à no_data_value, nous pourrions vouloir compenser le nombre d'éléments à définir en fonction de ce nombre. Ainsi, pour un tel cas, nous aurions une version modifiée, comme si -

S = a.size - N - (a == no_data_value).sum() 
idx = np.random.choice(np.flatnonzero(a!=no_data_value),S,replace=0) 
a.ravel()[idx] = no_data_value 

run Exemple -

In [65]: a 
Out[65]: 
array([[240, 30, 61, 38, 145], 
     [ 91, 65, 108, 154, 118], 
     [155, 198, 65, 65, 189], 
     [248, 140, 154, 186, 186]]) 

In [66]: no_data_value = 65 # No value specifier 

In [67]: N = 10 # Number of elems to keep 

In [68]: S = a.size - N - (a == no_data_value).sum() 

In [69]: idx = np.random.choice(np.flatnonzero(a!=no_data_value),S,replace=0) 

In [70]: a.ravel()[idx] = no_data_value 

In [71]: a 
Out[71]: 
array([[240, 30, 61, 38, 65], 
     [ 65, 65, 108, 65, 65], 
     [ 65, 198, 65, 65, 65], 
     [248, 140, 154, 186, 65]])