python - 如何存储 X-Y 数据以便使用 Numpy 中的函数？

Question

Numpy 和 Scipy 都有许多用于对数据执行操作的有用函数(即积分、傅立叶变换、基线校正等)。但是，我还没有看到有关将 X-Y 数据输入到这些函数的一般形式的文档。假设我有波长和吸光度值的光谱，或者来自机械性能测试的应力和应变数据。

一般情况下:

1. 使用两个一维 Numpy 数组，一个用于 X，一个用于 Y？

2. 使用一个二维 Numpy 数组，其中一个轴为 X，另一轴为 Y？

3. 使用单个 structured array ？

当您拥有 XY-Z 数据时，情况会如何变化？

XY 数据最通用的数据结构是什么，它允许我将数据直接输入到这些函数中的大多数中，而无需重新定义如何存储数据？

Answer 1

检查每个包和操作类或函数的文档。 scipy 是一个包的集合，由不同的人编写，通常为更旧的 Fortran 或 C 包提供接口(interface)。因此输入格式受到这些来源的限制。它们还取决于什么适合解决问题。

通常在规则网格上生成值很方便。例如，使用 np.meshgrid 或 np.mgrid 与 arange 或 linspace 值来定义 2d 空间。结果可以是 3 个二维数组 - x 和 y 值，以及作为这些值的函数的 z。

但现实世界的数据通常以散点形式提供。每个点都是一个带有 z 值的 x、y 位置。您不能将它们转换为二维数组，至少不能在没有插值的情况下。所以三个一维数组是合适的表示。或者一个 (n, 3) 矩阵，每个变量一列。或者，如果值具有不同的数据类型 - 例如 x 和 y 为整数，z 为 float ，然后是具有 3 个字段的结构化数组。

数据通常从 csv 文件加载 - 代表这些 x,y,z 值的列，可能带有字符串标签和多个 z 值。通过混合数据类型，它们通常使用 genfromtxt 加载，从而生成一维结构化数组。

很容易从结构化数组映射到具有统一数据类型的多个数组。有时您只需使用字段名称进行索引即可完成此操作，其他情况下可能需要 View 。

要深入研究这一点，您可能需要扩展数据类型以及需要使用的包。

http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.griddata.html#scipy.interpolate.griddata 。 interpolate.griddata 说明了点数据和网格数据的使用。