如何从多个同维度重叠2D数组生成逐位置最值掩码数组

你当前报错是因为max(globals()[f"data{i}"][j][k])里传入的是单个像素的numpy.float32值，Python内置的max()函数需要传入可迭代对象（比如列表、多个参数）才能计算最值，单个数值无法迭代，所以抛出TypeError。另外你写的三层Python循环效率极低，处理影像级数组会非常慢，完全可以用numpy自带的向量化运算实现需求。

不用生成大量全局变量data1985、data1986，直接把所有读取到的数组存入同一个列表，后续用numpy的维度运算一步得到结果：

import numpy as np

# 第一步：读取所有影像存入列表
data_list = []
geo_list = []
proj_list = []
for i in range(1985, 2021):
    data, geo, proj = read_tif(r"C:\Users\wqtcl\Desktop\REDD\images/" + str(i) + ".tif")
    data[np.isnan(data)] = 23
    data_list.append(data)
    geo_list.append(geo)
    proj_list.append(proj)

# 第二步：堆叠为3维数组，形状为 (36, 行数, 列数)，第0维是年份维度
stacked_data = np.stack(data_list, axis=0)

# 第三步：沿年份维度逐像素取最大、最小值，直接得到结果
max_mask = np.max(stacked_data, axis=0)
min_mask = np.min(stacked_data, axis=0)

• np.stack会把所有形状相同的2D数组合并为一个3D数组，第0个维度对应不同年份的数组
• 调用np.max/np.min时指定axis=0，就是要求numpy沿第0个维度（年份维度），对每一个相同行、列位置的所有像素值计算最值，刚好完全符合你的需求，运算效率比手写Python循环高几十到上百倍
• 如果你需要保留对应的地理信息，geo_list[0]和proj_list[0]就是和mask匹配的地理变换和投影参数（因为所有影像维度相同、地理范围一致）

内容的提问来源于stack exchange，提问作者Claire Wang