从 3D 数组中删除 Nans 而不重塑我的数据

Question

我有一个由 512x1024 图像帧组成的 3D 数组（121、512、1024）。 图像的底部几行有 Nans，这扰乱了我的处理。我想删除这些并最终得到看起来像 (121, 495, 1024) 的东西。

我一直在尝试

的变体

arr[:, ~np.isnan(arr).any(0)]

但我最终得到 (121, 508252)。

我也尝试过 arr[np.argwhere(~np.isnan(arr)]

但是我遇到了内存错误。

这似乎是一个简单而常见的任务，但我找到的所有示例都是针对二维数组的。任何帮助将不胜感激。

编辑：或者，如果我要重塑形状，我需要它自动检测新形状应该是什么。根据图像上的变换，修剪 Nan 可能会产生不同形状的数组（121、495、1000）或其他形状。但在一个图像堆栈中（例如 121 帧），所有图像都将具有相同的形状，因此制作数组是合法的。

问题是我无法预测纳米是否在一条直线上，在图像的顶部、侧面或底部（但应该是边缘）。我基本上必须对图像进行更多切割才能获得直行/列，我只需要找出新边缘应该在哪里。

arr = np.ones([121, 512, 1024])
arr[:,497:512,0:675] = np.nan
arr[:,496:512,676:1024] = np.nan

#try 3 
trim = np.argwhere(~np.isnan(arr))
rows = np.unique(trim[:,1])
cols = np.unique(trim[:,2])
result_arr = arr[:, ~np.isnan(arr).all(0)]
result_arr.shape = -1, len(rows), len(cols)

例如，这不起作用，因为第 675 列处存在行不匹配，因此这些维度的单元格数量错误。

Answer 1

由于您想在第二个维度上进行过滤，因此您应该将第一个 和最后一个 维度与

any

:

聚合

out = arr[:, ~np.isnan(arr).any((0, 2))]

out.shape # (121, 496, 1024)