Numpy掩码数组masked arrays

1.Masked arrays数据介绍
掩码数组是包括可能缺少或无效项的数组。在许多情况下，数据集可能不完整或被无效数据污染。例如，传感器可能无法记录数据，或记录了无效的值。numpy.ma模块通过引入掩码数组提供了一种方便的方法来解决这个问题。

掩码数组是标准 numpy.ndarray 和掩码的组合.

当掩码的一个元素为False时，关联数组的相应元素有效，并被称为已解除掩码。当掩码的一个元素为True时，关联数组的相应元素被称为掩码(无效)。

2.掩码数组基本操作
参考官网文档：https://numpy.org/devdocs/reference/routines.ma.html
（1）创建掩码数组

import numpy as np
 
a = np.ma.array([1, 2, 3], mask = [0, 1, 0])

（2）Filling a masked array：ma.set_fill_value(a, fill_value)[source]
将NaN填充为0：

x = np.ma.array(np.arange(9).reshape(3, 3), mask=[[1, 0, 0],
                                                  [1, 0, 0],
                                                  [0, 0, 0]])
x.filled(fill_value=0)

（3）只访问有效元素
法1：可以使用numpy.logical_not函数或简单使用~运算符计算掩码的逆

x = ma.array([[1, 2], [3, 4]], mask=[[0, 1], [1, 0]]) 
x[~x.mask]

法2：compressed方法：x.compressed()
compressed的返回值通常为1维。

3.掩码数组应用
参考资料：https://github.com/wzy6642/numpy-translate/blob/master/ma.ipynb
（1）利用特殊值表示缺失值

• 如利用平均值表示缺失值：mx.filled(mx.mean())
• 对缺失值进行填充：mx.filled(mx.mean(0))缺失值NaN = 0；

参考资料：
1.numpy.ma详解
2.numpy.ma模块介绍-GitHub：https://github.com/wzy6642/numpy-translate/blob/master/ma.ipynb
3.官网资料：https://numpy.org/doc/stable/reference/maskedarray.html