Python是否有MATLAB的vec2mtx等效函数？点数据转二维网格方法

嘿，这确实是地理数据处理里很常见的需求，完全不用手动写遍历排序的繁琐代码——Numpy和Pandas有现成的高效工具能帮你搞定，而且速度比Python循环快得多，数据量越大优势越明显。

核心思路 #

我们需要把零散的(lat, lon)点映射到排序后的唯一纬度/经度构成的二维网格中，空缺位置填充指定的无数据值（比如你用的-9999）。关键是用Numpy的向量化操作替代循环，避免低效的遍历逻辑。

方案1：无重复坐标点的高效实现 #

如果你的(lat, lon)对都是唯一的，直接用Numpy的unique函数就能一步完成排序和索引映射：

import numpy as np

def vec2mtx(lats, lons, values):
    # 获取排序后的唯一纬度/经度，同时得到原数组元素在唯一数组中的索引
    unique_lats, lat_idx = np.unique(lats, return_inverse=True)
    unique_lons, lon_idx = np.unique(lons, return_inverse=True)
    
    # 初始化网格，直接填充无数据值（比先创建zeros再fill更高效）
    grid = np.full((len(unique_lats), len(unique_lons)), -9999, dtype=np.float64)
    
    # 用索引直接填充对应位置的值，这是Numpy的向量化操作，速度极快
    grid[lat_idx, lon_idx] = values
    
    return grid, unique_lats, unique_lons

测试你的示例数据 #

lats = [1,2,3]
lons = [4,5,6]
values = [7,8,9]

grid, sorted_lats, sorted_lons = vec2mtx(lats, lons, values)
print(grid)

输出结果完全符合预期：

[[   7 -9999 -9999]
 [-9999    8 -9999]
 [-9999 -9999     9]]

排序后的纬度为[1,2,3]，经度为[4,5,6]，对应位置正确填充值，空缺处自动补-9999。

方案2：处理重复坐标点的情况 #

如果数据里有重复的(lat, lon)对（比如同一位置有多个观测值），需要先对重复值做聚合处理（比如取均值、求和、最大值），这时候用Pandas配合Numpy会更方便：

import numpy as np
import pandas as pd

def vec2mtx_with_duplicates(lats, lons, values):
    # 用Pandas分组聚合重复值，这里用均值，你可以换成sum/max等逻辑
    df = pd.DataFrame({"lat": lats, "lon": lons, "value": values})
    aggregated = df.groupby(["lat", "lon"])["value"].mean().reset_index()
    
    # 获取排序后的唯一纬度/经度
    sorted_lats = np.sort(aggregated["lat"].unique())
    sorted_lons = np.sort(aggregated["lon"].unique())
    
    # 用searchsorted快速找到每个聚合点在网格中的索引
    lat_idx = np.searchsorted(sorted_lats, aggregated["lat"])
    lon_idx = np.searchsorted(sorted_lons, aggregated["lon"])
    
    # 初始化并填充网格
    grid = np.full((len(sorted_lats), len(sorted_lons)), -9999, dtype=np.float64)
    grid[lat_idx, lon_idx] = aggregated["value"]
    
    return grid, sorted_lats, sorted_lons

重复点测试示例 #

lats = [1,2,3,2]
lons = [4,5,6,5]
values = [7,8,9,10]

grid, sorted_lats, sorted_lons = vec2mtx_with_duplicates(lats, lons, values)
print(grid)

输出结果中，重复的(2,5)位置取了均值9.0：

[[   7. -9999. -9999.]
 [-9999.     9. -9999.]
 [-9999. -9999.     9.]]

为什么这比手动遍历高效？ #

• Numpy的unique、searchsorted和向索引赋值都是底层C实现的向量化操作，比Python循环快几十到几百倍，数据量越大优势越明显。
• 避免了手动排序、查找位置的繁琐代码，可读性和可维护性更好。

内容的提问来源于stack exchange，提问作者Solomon Vimal