从由纬度和经度定义的边界框中的数组中提取数据

Question

我有“rh_irr”，它是一个大小为

744*171*162

的数组，其中171是纬度，162是经度，744是时间维度。我还有数组 lat 和 lon ，大小均为 171*162 ，并包含相应的数据纬度和经度。我需要提取经度 -115.3 到 -115.5 以及纬度 32.5 到 33.1 的边界框内的数据。

import numpy as np

# Define the latitude and longitude ranges
lat_min, lat_max = 32.5, 33.1
lon_min, lon_max = -115.5, -115.3

# Find the indices of latitudes and longitudes within the specified range
lat_indices = np.where((lat >= lat_min) & (lat <= lat_max))[0]
lon_indices = np.where((lon >= lon_min) & (lon <= lon_max))[1]

# Extract the data within the specified range
extracted_data = rh_irr[:, lat_indices, :][:, :, lon_indices]

# Print the shape of the extracted data
print("Shape of extracted data:", extracted_data.shape)

上面的代码执行，希望它能完成我想做的事情，但崩溃了。我们怎样才能提高内存效率呢？请建议是否还有其他更好的方法。

Answer 1

np.where()

函数使用额外的内存来存储条件为

True

的索引，但它不会对内存使用产生显着影响。如果将布尔掩码直接应用于

rh_irr

数组来提取子集，它将避免不必要的内存分配。您可以使用 memory-profiler 模块来监控内存消耗。

import numpy as np

# Define the latitude and longitude ranges
lat_min, lat_max = 32.5, 33.1
lon_min, lon_max = -115.5, -115.3

# Create boolean masks for latitude and longitude
lat_mask = (lat >= min_lat) & (lat <= max_lat)
lon_mask = (lon >= min_lon) & (lon <= max_lon)

# Apply boolean masks directly on the array
selected_data = rh_irr[:, lat_mask, :][:, :, lon_mask]

# Check the shape of selected_data
print("Shape of selected_data:", selected_data.shape)