使用numpyscipy中的插值法填补二维矩阵中的缺失值。

Question

我需要在二维矩阵中填入缺失的值（给定为0），如何在numpyscipy中完成？scipy.interpolate.interp2d 函数，但我不太明白如何使它只填入零而不修改非零项。

下面是这个函数用来平滑图像的例子。https:/scipython.combookchapter-8-scipyexamplesscipyinterpolateinterp2d。

但这不是我想要的。我只是想填写零值。

例如，矩阵是

import numpy as np
mat = np.array([[1,2,0,0,4], [1,0,0,0,8], [0,4,2,2,0], [0,0,0,0,8], [1,0,0,0,1]])

mat
array([[1, 2, 0, 0, 4],
       [1, 0, 0, 0, 8],
       [0, 4, 2, 2, 0],
       [0, 0, 0, 0, 8],
       [1, 0, 0, 0, 1]])

在这个矩阵中，所有的零都必须用内插值代替，而原始值应保持不变。

Answer 1

你必须做一个决定 如何 你想填入零。 例如，你可以使用数组中的平均值。

mat[mat == 0] = np.average(mat)
mat
# array([[1, 2, 1, 1, 4],
#        [1, 1, 1, 1, 8],
#        [1, 4, 2, 2, 1],
#        [1, 1, 1, 1, 8],
#        [1, 1, 1, 1, 1]])

或者你也可以用一些函数的值来拟合非零的值 --- scipy.interpolate.interp2d 使用 "花键"（想想多项式）。

from scipy.interpolate import interp2d

ix = np.where(mat != 0)
f = interp2d(ix[0], ix[1], mat[ix].flatten(), kind='linear')
mat2 = mat.copy()
mat2[mat==0] = f(range(5), range(5)).T[mat==0]
mat2
# array([[ 1,  2,  3,  4,  4],
#        [ 1,  1,  1,  1,  8],
#        [ 4,  4,  2,  2, 11],
#        [ 4,  3,  2,  1,  8],
#        [ 1,  0,  0,  0,  1]])

不过我想你会发现这种方法很麻烦，尤其是对于这么小的数据集。

你也可以看看其他的 归因方法，如最近的邻居等。