如何在执行操作后从numpy数组中"删除"掩码？

Question

我有一个2D numpy数组,我需要根据条件进行掩码,以便我可以对蒙版数组应用一个操作,然后将屏蔽的值恢复为原始值.

例如:

import numpy as np

array = np.random.random((3,3))
condition = np.random.randint(0, 2, (3,3))
masked = np.ma.array(array, mask=condition)

masked += 2.0

但是,如何将屏蔽值更改回原始值并在将给定操作应用于屏蔽数组后"移除"屏蔽？

我需要这样做的原因是我基于一组条件生成一个布尔数组,我需要修改满足条件的数组元素.

我可以使用布尔索引来实现1D数组,但是对于2D数组我需要保留其原始形状,即.不返回仅具有满足条件的值的1D数组.

Answer 1

接受的答案没有回答问题。False在实践中分配掩码是scipy.linalg.lstsq()可行的，但许多算法不支持掩码数组（例如），并且这种方法没有摆脱它。所以你会遇到这样的错误：

ValueError: masked arrays are not supported

真正摆脱掩码的唯一方法是仅将变量分配给掩码数组的数据。

import numpy as np

array = np.random.random((3,3))
condition = np.random.randint(0, 2, (3,3))
masked = np.ma.array(array, mask=condition)

masked += 2.0

masked.mask = False
hasattr(masked, 'mask')
>> True 

使用 MaskedArray 数据属性将变量分配给数据：

masked = masked.data 
hasattr(masked, 'mask')
>> False

Answer 2

你已经拥有它:它被称为array!

这是因为虽然masked确保只增加矩阵中的某些值,但实际上不会复制数据.因此,一旦代码执行,array元素就会condition递增,其余元素保持不变.