在 ndarray 中的不同位置插入不同长度的数组的向量化方法

Question

我正在尝试“扩展”点（x，y，z）的二维numpy数组

nadir

，并用插值点填充空间中的间隙。如果存在大于某个容差的空间间隙

dist

，我想使用

np.insert

插入所需数量的

nan

行来填充该间隙，添加要在之后插值的

nan

点。

首先，我找到间隙，并查看需要在每个间隙中插入多少个点（行）才能达到所需的空间点密度：

import numpy as np

# find and measure gaps
nadir = nadir[~np.isnan(nadir).any(axis = 1)]
dist = np.mean(np.linalg.norm(np.diff(nadir[:,0:2], axis = 0), axis = 1), axis = 0) # mean distance for gap definition
gaps = np.where(np.linalg.norm(np.diff(nadir[:,0:2], axis = 0), axis = 1) > dist)[0] # gap locations
sizes = (np.linalg.norm(np.diff(nadir[:,0:2], axis = 0), axis = 1)[gaps] // dist).astype(int) # how many points to insert in each gap

我希望我能做的是将 ndarray 列表传递给

np.insert()

作为

values

参数，如下所示：

nadir = np.insert(nadir, gaps, [np.full((size, 3), np.nan) for size in sizes], axis = 0)

这样，在

gaps

中的每个索引处，都会插入相应的形状为

(size,3)

的空数组。但上面的代码不起作用：

"ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (616,) + inhomogeneous part."

我可以在循环中实现这一点，但一个好的矢量化方法将是理想的。有任何想法吗？同样，我的最终目标是使用插值在空间上填充 3D 数据中的空白，无需网格化，因此任何其他聪明的方法也可以工作！

Answer 1

要插入多行，索引数必须与行数匹配：

In [176]: x=np.arange(12).reshape(4,3)

In [177]: np.insert(x,[1,1,1,2,2,3],np.ones((6,3),int)+100,axis=0)
Out[177]: 
array([[  0,   1,   2],
       [101, 101, 101],
       [101, 101, 101],
       [101, 101, 101],
       [  3,   4,   5],
       [101, 101, 101],
       [101, 101, 101],
       [  6,   7,   8],
       [101, 101, 101],
       [  9,  10,  11]])