python - 用周围的大部分值填充孔 (Python)

Question

我使用 Python 并有一个数组，其值为 1.0 、 2.0 、 3.0 、 4.0 、 5.0 、 6.0 和 np.nan 作为 NoData。

我想用一个值填充所有“nan”。这个值应该是周围值的大多数。

例如:

1 1 1 1 1
1 n 1 2 2
1 3 3 2 1
1 3 2 3 1

“n”在这个例子中应该代表“nan”。它的大多数邻居的值为 1。因此，“nan”应被替换为值 1。

请注意，由“nan”组成的孔的大小可以是 1 到 5。例如(最大大小为 5 nan):

1 1 1 1 1
1 n n n 2
1 n n 2 1
1 3 2 3 1

这里“nan”的空洞周围有以下值:

surrounding_values = [1,1,1,1,1,2,1,2,3,2,3,1,1,1] -> Majority = 1

我尝试了以下代码:

from sklearn.preprocessing import Imputer

array = np.array(.......)   #consisting of 1.0-6.0 & np.nan
imp = Imputer(strategy="most_frequent")
fill = imp.fit_transform(array)

这很好用。但是，它只使用一个轴(0 = 列，1 = 行)。默认值为 0(列)，因此它使用同一列周围的大部分值。例如:

Array
2 1 2 1 1
2 n 2 2 2
2 1 2 2 1
1 3 2 3 1

Filled Array
2 1 2 1 1
2 1 2 2 2
2 1 2 2 1
1 3 2 3 1

所以在这里你看到，虽然大多数是 2，但周围的列值的大多数是 1，因此它变成 1 而不是 2。

因此，我需要找到另一种使用python的方法。有什么建议或想法吗？

---

补充:

在我添加 Martin Valgur 的非常有用的改进之后，您可以在此处看到结果。

将“0”视为海洋(蓝色)，将其他值 (> 0) 视为陆地(红色)。

如果有一个被陆地包围的“小”海(海的大小可以再次为 1-5 像素)，它将得到陆地，正如您在结果图像中成功看到的那样。如果被包围的海域大于 5px 或在陆地之外，海域将不会获得陆地(这在图像中不可见，因为事实并非如此)。

如果有 1 像素的“nan”，其中海洋比陆地多，它仍然会变成陆地(在这个例子中它有 50/50)。

下图是我需要的。在海洋(值=0)和陆地(值>0)的边界处，“nan”像素需要获取大部分陆地值的值。

这听起来很难，我希望我能生动地解释它。

Answer 1

使用 label() 的可能解决方案和 binary_dilation()来自 scipy.ndimage:

import numpy as np
from scipy.ndimage import label, binary_dilation
from collections import Counter

def impute(arr):
    imputed_array = np.copy(arr)

    mask = np.isnan(arr)
    labels, count = label(mask)
    for idx in range(1, count + 1):
        hole = labels == idx
        surrounding_values = arr[binary_dilation(hole) & ~hole]
        most_frequent = Counter(surrounding_values).most_common(1)[0][0]
        imputed_array[hole] = most_frequent

    return imputed_array

编辑:关于你松散相关的后续问题，你可以扩展上面的代码来实现你所追求的:

import numpy as np
from scipy.ndimage import label, binary_dilation, binary_closing

def fill_land(arr):
    output = np.copy(arr)

    # Fill NaN-s
    mask = np.isnan(arr)
    labels, count = label(mask)
    for idx in range(1, count + 1):
        hole = labels == idx
        surrounding_values = arr[binary_dilation(hole) & ~hole]
        output[hole] = any(surrounding_values)

    # Fill lakes
    land = output.astype(bool)
    lakes = binary_closing(land) & ~land
    labels, count = label(lakes)
    for idx in range(1, count + 1):
        lake = labels == idx
        output[lake] = lake.sum() < 6

    return output