尽管我回答了许多妈妈的问题,但我绝不是专家.但我会探讨这个问题
让我们概括一下数组:
In [934]: x=np.ma.array(np.arange(6).reshape((2,3)), mask = [[True,True,False],[False,False,True]])
In [935]: x
Out[935]:
masked_array(data =
[[-- -- 2]
[3 4 --]],
mask =
[[ True True False]
[False False True]],
fill_value = 999999)
In [936]: y=x.compressed()
In [937]: y
Out[937]: array([2, 3, 4])
y除了值的子集外,没有关于x的信息.请注意这是1d
x将其值存储在2个数组中(实际上,这些是访问基础._data和._mask属性的属性):
In [938]: x.data
Out[938]:
array([[0, 1, 2],
[3, 4, 5]])
In [939]: x.mask
Out[939]:
array([[ True, True, False],
[False, False, True]], dtype=bool)
我的猜测是,要解压缩,我们需要创建一个具有正确dtype,shape和mask的空蒙版数组,并将y的值复制到其数据中.但是,应将哪些值放入数据的掩码元素中?
还是解决问题的另一种方法-是否可以将值从y复制回x?
一种可能的解决方案是将新值复制到x [?x.mask]:
In [957]: z=2*y
In [958]: z
Out[958]: array([4, 6, 8])
In [959]: x[~x.mask]=z
In [960]: x
Out[960]:
masked_array(data =
[[-- -- 4]
[6 8 --]],
mask =
[[ True True False]
[False False True]],
fill_value = 999999)
In [961]: x.data
Out[961]:
array([[0, 1, 4],
[6, 8, 5]])
或制作一个新的数组
In [975]: w=np.zeros_like(x)
In [976]: w[~w.mask]=y
In [977]: w
Out[977]:
masked_array(data =
[[-- -- 2]
[3 4 --]],
mask =
[[ True True False]
[False False True]],
fill_value = 999999)
In [978]: w.data
Out[978]:
array([[0, 0, 2],
[3, 4, 0]])
另一种方法是制作一个充满无效值的规则数组,像这样复制y,然后将整个对象变成一个掩码数组.可能有一个带掩码的数组构造函数,使您仅可以将有效值与掩码一起指定.但是我必须为此深入研究文档.
===============
使用np.place作为设置值的另一个操作序列将执行此操作
In [1011]: w=np.empty_like(x)
In [1014]: np.place(w,w.mask,999)
In [1015]: np.place(w,~w.mask,[1,2,3])
In [1016]: w
Out[1016]:
masked_array(data =
[[-- -- 1]
[2 3 --]],
mask =
[[ True True False]
[False False True]],
fill_value = 999999)
In [1017]: w.data
Out[1017]:
array([[999, 999, 1],
[ 2, 3, 999]])
====================
看着
https://github.com/numpy/numpy/blob/master/numpy/ma/core.py
class _MaskedBinaryOperation:
此类用于实现带掩码的ufunc.它在有效单元格(未屏蔽的)上评估ufunc,并返回带有有效数组的新的屏蔽数组,而屏蔽值保持不变(与原始值相比)
例如,对于简单的掩码数组,1不会更改掩码值.
In [1109]: z=np.ma.masked_equal([1,0,2],0)
In [1110]: z
Out[1110]:
masked_array(data = [1 -- 2],
mask = [False True False],
fill_value = 0)
In [1111]: z.data
Out[1111]: array([1, 0, 2])
In [1112]: z+1
Out[1112]:
masked_array(data = [2 -- 3],
mask = [False True False],
fill_value = 0)
In [1113]: _.data
Out[1113]: array([2, 0, 3])
In [1114]: z.compressed()+1
Out[1114]: array([2, 3])
_MaskedUnaryOperation可能更易于遵循,因为它只需要使用1个掩码数组即可.
例如,常规日志的掩码0值存在问题:
In [1115]: z.log()
...
/usr/local/bin/ipython3:1: RuntimeWarning: divide by zero encountered in log
#!/usr/bin/python3
Out[1116]:
masked_array(data = [0.0 -- 0.6931471805599453],
mask = [False True False],
fill_value = 0)
但是被屏蔽的日志会跳过被屏蔽的条目:
In [1117]: np.ma.log(z)
Out[1117]:
masked_array(data = [0.0 -- 0.6931471805599453],
mask = [False True False],
fill_value = 0)
In [1118]: _.data
Out[1118]: array([ 0. , 0. , 0.69314718])
糟糕-_MaskedUnaryOperation可能没那么有用.它以所有值np.ma.getdata(z)评估ufunc,并带有错误状态上下文来阻止警告.然后,它使用掩码将掩码值复制到结果上(np.copyto(result,d,where = m)).