Numpy 修炼之道 （11）—— 掩码数组

有时候数据集中存在缺失、异常或者无效的数值，我们可以标记该元素为被屏蔽（无效）状态。
>>> import numpy as np
>>> import numpy.ma as ma
>>> x = np.array([1, 2, 3, -99, 5])
>>> x
array([  1,   2,   3, -99,   5])
现在可以创造一个掩码数组（标记第四个元素为无效状态）。
>>> mx = ma.masked_array(x, mask=[0,
0, 0, 1, 0])
>>> mx
masked_array(data = [1 2 3 -- 5],
mask = [False False False True False],
fill_value = 999999)
接下来可以计算平均值而不用考虑无效数据。
>>> mx.mean()
2.75

   访问掩码

可通过其mask属性访问掩码数组的掩码。我们必须记住，掩码中的True条目表示无效数据。
>>> mx
masked_array(data = [1 2 3 -- 5],
mask = [False False False  True False],
      fill_value = 999999)
>>> mx.mask
array([False, False, False,  True, False], dtype=bool)

   只访问有效数据

当只想访问有效数据时，我们可以使用掩码的逆作为索引。可以