使用rasterio调整栅格数组时如何限制数值小数位数

问题说明 #

多幅栅格影像的像元值均为对应指标的计数结果，需将计数值转换为百分比格式。现有代码可完成基础百分比转换，但计算结果存在过多冗余小数位（如33.33333333），由于栅格数据体量较大，冗余小数位会大幅提升输出文件体积，而实际业务场景无需保留高精度小数，需限制输出栅格数组的数值小数位数。
原有实现代码：

import rasterio as rio

def Percentage(path_in, granule):
    path_out = os.path.join(certain_path, granule + ".jp2")

    for granule in glob.glob(r"path_to_rasters\*"):
    
        with rio.open(path_in) as src:
            # 读取为numpy数组
            array = src.read()
            profile = src.profile
            array = (array / count) * 100
            
        with rio.open(path_out, 'w', **profile) as dst:
            # 写入磁盘
            dst.write(array)

实现方法 #

小数位控制和文件体积压缩需要配合两处修改，仅做数值四舍五入不调整存储类型的话，无法实际降低文件体积：

• 数值计算完成后，调用numpy的np.round()方法对数组做四舍五入，通过decimals参数指定需要保留的小数位数，可按需设置为0（整数）、1、2等
• 调整输出栅格的配置参数，将数据类型从默认的64位浮点型替换为匹配精度的低精度类型：保留小数时使用float32即可满足常规业务精度要求；若仅需整数百分比，直接使用uint8类型即可（取值范围0-255，完全覆盖0-100的百分比区间），单像元存储占用可降至原float64类型的1/8，压缩效果显著。

修正后的可运行代码如下：

import rasterio as rio
import os
import glob
import numpy as np

# 按需调整保留的小数位数
DECIMAL_PLACES = 2
# 根据保留精度选择对应输出数据类型：保留小数选float32，整数百分比选uint8
OUT_DTYPE = "float32"

def batch_convert_percentage(input_dir, output_path):
    # 遍历输入目录下所有栅格文件
    for granule_path in glob.glob(os.path.join(input_dir, "*")):
        granule_name = os.path.basename(granule_path).split('.')[0]
        path_out = os.path.join(output_path, granule_name + ".jp2")
        with rio.open(granule_path) as src:
            array = src.read()
            profile = src.profile
            # 计算百分比
            array = (array / count) * 100
            # 按指定位数四舍五入并转换为目标数据类型
            array = np.round(array, decimals=DECIMAL_PLACES).astype(OUT_DTYPE)
            # 更新输出栅格配置
            profile.update(dtype=OUT_DTYPE)
            
        with rio.open(path_out, 'w', **profile) as dst:
            dst.write(array)

补充说明：如果选择输出整数百分比，把DECIMAL_PLACES设为0，OUT_DTYPE设为uint8即可，此时文件体积压缩效果最明显。如果使用JP2格式输出，还可以在profile里添加JP2K压缩相关参数进一步缩小体积，不会影响数值精度。

内容的提问来源于stack exchange，提问作者Niek