笨拙的蒙面操作

Question

我是python的新用户，在深入了解NumPy模块的工作方式方面我很有趣。我正在写一个能够将掩码和未掩码数组都用作数据输入的函数。我已经注意到，有几个numpy的蒙版操作看起来与普通（非蒙版）对应对象相似（甚至可以工作？）。此类功能之一是numpy.zeros和numpy.ma.zeros。有人可以告诉我使用numpy.ma.zerosvs 创建数组的好处numpy.zeros吗？使用遮罩数组时，它会产生实际的不同吗？我已经注意到，当我使用numpy.zeros_like它时，无论是创建遮罩数组还是未遮罩数组都可以正常工作。

Answer 1

np.ma.zeros创建一个掩码数组而不是普通数组，如果此数组上的某些后续操作创建了无效值，这可能会很有用。手册中的一个示例：

数组有时包含无效或丢失的数据。在此类数组上执行操作时，我们希望抑制无效值，这是掩码数组满足的目的（下面提供了典型用法的示例）。

例如，检查以下数组：

>>> x = np.array([2, 1, 3, np.nan, 5, 2, 3, np.nan])

当我们尝试计算数据的均值时，结果不确定：

>>> np.mean(x) nan

均值是使用粗略来计算的np.sum(x)/len(x)，但是由于NaN产生物中增加了任何数字NaN，因此不起作用。输入屏蔽的数组：

>>> m = np.ma.masked_array(x, np.isnan(x))
>>> m
masked_array(data = [2.0 1.0 3.0 -- 5.0 2.0 3.0 --],
      mask = [False False False  True False False False  True],
      fill_value=1e+20)

在这里，我们构造了一个屏蔽所有NaN值的掩码数组。现在，我们可以计算其他值的平均值：

>>> np.mean(m)
2.6666666666666665