我在工作中一直使用掩码数组，但我遇到的一个问题是掩码数组的初始化有点笨拙。具体来说，ma.zeros() 和 ma.empty() 返回掩码数组，其掩码与数组维度不匹配。我想要这个的原因是如果我不分配对于我数组的特定元素，它默认被屏蔽。
In [4]: A=ma.zeros((3,))
...
masked_array(data = [ 0. 0. 0.],
mask = False,
fill_value = 1e+20)
我随后可以分配掩码:
In [6]: A.mask=ones((3,))
...
masked_array(data = [-- -- --],
mask = [ True True True],
fill_value = 1e+20)
但为什么我必须使用两行来初始化和数组？或者，我可以忽略 ma.zeros() 功能并在一行中指定掩码和数据:
In [8]: A=ma.masked_array(zeros((3,)),mask=ones((3,)))
...
masked_array(data = [-- -- --],
mask = [ True True True],
fill_value = 1e+20)
但我认为这也很笨拙。我浏览了 numpy.ma 文档，但找不到处理此问题的巧妙方法。我错过了一些明显的东西吗？
最佳答案
嗯，ma.zeros中的掩码实际上是一个特殊的常量，ma.nomask，它对应于np.bool_(False)。它只是一个占位符，告诉 NumPy 掩码尚未设置。
使用 nomask 实际上可以显着加快 np.ma 的速度:如果我们事先知道没有屏蔽值，则无需跟踪屏蔽值的位置。
最好的方法是在不需要时不要显式设置掩码，而在需要时让 np.ma 设置它(即，当您最终尝试获取日志时)负数)。
旁注 #1:要将掩码设置为与输入形状相同的 False 数组，请使用
np.ma.array(..., mask=False)
打字更容易。请注意，它实际上是 Python False，而不是 np.ma.nomask...同样，使用 mask=True 强制您的所有输入被屏蔽(即，mask 将是一个充满 True 的 bool ndarray，与 data 具有相同的形状).
旁注 #2:
如果你需要在初始化后设置掩码，你不应该使用赋值给.mask，而是赋值给特殊值np.ma.masked，这样更安全:
a[:] = np.ma.masked
关于Python numpy 屏蔽数组初始化，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/13354295/