如何去除DEM資料中的缺失值(NoData)

2021-07-28 13:29:58 字數 916 閱讀 9780

最近遇到

這樣乙個

問題:dem資料中有nodata(這裡所

說的情況並非資料

邊緣部分的nodata,而是資料中

間類似資料缺失的情況),

那麼,在

這種情況下,如何消除nodata,  使

這個資料保持完整性呢?

,利用arcgis

軟體能很容易的解決這個

問題。這裡,我們主要用到con和nibble兩個命令。可能大家對con命令已經非常熟悉了,關於nibble可以查閱arcgis的幫助,這裡附上示意圖。

針對開頭的問題,我的解決思路如下:

(1)首先,利用con命令選擇出原始dem資料中的nodata部分並給其賦值(可賦任意值,本文中這裡賦為-1),具體命令如下:con(isnull(dem),-1,dem)。該命令所執行的結果作為nibble命令的input檔案。

(2)將原始的dem資料作為mask檔案。當然,你也可以利用isnull命令選擇出來的nodata部分進行setnull得到mask檔案。關鍵是要確保無資料部分的型別是nodata。

(3)準備好了input檔案和mask檔案,我們就可以利用nibble命令來處理了,具體命令如下:nibble(input,mask)。執行的結果如圖3所示。

eviews如何處理缺失資料填補 缺失值的處理

一 缺失值產生的原因 缺失值的產生的原因多種多樣,主要分為機械原因和人為原因。機械原因是由於機械原因導致的資料收集或儲存的失敗造成的資料缺失,比如資料儲存的失敗,儲存器損壞,機械故障導致某段時間資料未能收集 對於定時資料採集而言 人為原因是由於人的主觀失誤 歷史侷限或有意隱瞞造成的資料缺失,比如,在...

python處理資料中缺失值

1 直接刪除法 當缺失值個數只佔整體很小一部分時 在採用刪除法處理缺失值時,需要首先檢測樣本總體中確實值得的個數。python中統計缺失值的方法為 import numpy as np import pandas as pd 讀取資料,將空值形式的缺失值轉換為可識別的型別 data pd.read ...

pandas中如何處理缺失值

大多機器學習演算法不能處理缺失的特徵,因此先建立一些函式來處理特徵缺失的問題。當在一些.csv檔案中缺少某些值的時候,一般有三種方法解決 1 去掉對應的整個屬性 2 去掉缺失值所在的資料 3 將缺失值進行賦值 在pandas中,用 dataframe 的 dropna drop 和 fillna 方...