arrays - Numpy "ma.where"与 "where"具有不同的行为...我怎样才能使其行为相同？

Question

因此，我尝试使用 numpy.ma.where 为我创建一个数组，就像 numpy.where 函数一样。 where 函数广播我的列数组，然后用零替换一些元素。我得到以下信息:

>>> import numpy
>>> condition = numpy.array([True,False, True, True, False, True]).reshape((3,2))
>>> print (condition)
[[ True False]
 [ True  True]
 [False  True]]
>>> broadcast_column = numpy.array([1,2,3]).reshape((-1,1)) # Column to be broadcast
>>> print (broadcast_column)
[[1]
 [2]
 [3]]
>>> numpy.where(condition, broadcast_column, 0) \
... # Yields the expected output, column is broadcast then condition applied
array([[1, 0],
       [2, 2],
       [0, 3]])
>>> numpy.ma.where(condition, broadcast_column, 0).data \
... # using the ma.where function yields a *different* array! Why?
array([[1, 0],
       [3, 1],
       [0, 3]], dtype=int32)
>>> numpy.ma.where(condition, broadcast_column.repeat(2,axis=1), 0).data \
... # The problem doesn't occur if broadcasting isnt used
array([[1, 0],
       [2, 2],
       [0, 3]], dtype=int32)

非常感谢您的帮助!

我的numpy版本是1.6.2

Answer 1

np.ma.where 的核心是这样的语句: (在 Ubuntu 上，请参阅/usr/share/pyshared/numpy/ma/core.py)

np.putmask(_data, fc, xv.astype(ndtype))

_data 是要返回的屏蔽数组中的数据。

fc 是 bool 数组，当条件为 True 时，该数组为 True。

xv.astype(ndtype) 是要插入的值，例如广播_列。

In [90]: d = np.empty(fc.shape, dtype=ndtype).view(np.ma.MaskedArray)

In [91]: _data = d._data

In [92]: _data
Out[92]: 
array([[5772360, 5772360],
       [      0,      17],
       [5772344, 5772344]])

In [93]: fc
Out[93]: 
array([[ True, False],
       [ True,  True],
       [False,  True]], dtype=bool)

In [94]: xv.astype(ndtype)
Out[94]: 
array([[1],
       [2],
       [3]])

In [95]: np.putmask(_data, fc, xv.astype(ndtype))

In [96]: _data
Out[96]: 
array([[      1, 5772360],
       [      3,       1],
       [5772344,       3]])

注意数组中间行的 3 和 1。

问题是 np.putmask 不广播值，而是重复它们:

来自 np.putmask 的文档字符串:

putmask(a, mask, values)

Sets a.flat[n] = values[n] for each n where mask.flat[n]==True.

If values is not the same size as a and mask then it will repeat. This gives behavior different from a[mask] = values.

当您显式广播时，flat 返回所需的扁平值:

In [97]: list(broadcast_column.repeat(2,axis=1).flat)
Out[97]: [1, 1, 2, 2, 3, 3]

但是如果你不广播，

In [99]: list(broadcast_column.flat) + list(broadcast_column.flat)
Out[99]: [1, 2, 3, 1, 2, 3]

正确的值不在所需的位置。

---

PS。在最新版本的 numpy 中，the code reads

np.copyto(_data, xv.astype(ndtype), where=fc)

我不确定这会对行为产生什么影响；我没有足够新的 numpy 版本来测试。