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且＆＃34;删除＆＃34;将给定操作应用于屏蔽数组后的掩码？

我需要这样做的原因是我根据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。不返回只有满足条件的值的一维数组。

Answer 1

你已经拥有它：它被称为array！

这是因为虽然masked确保您只增加矩阵中的某些值，但数据永远不会被实际复制。因此，一旦您的代码执行，array的元素condition递增，其余元素保持不变。

Answer 2

接受的答案并没有回答这个问题。将掩码分配给False在实践中有效，但许多算法不支持掩码数组（例如scipy.linalg.lstsq()），并且此方法无法摆脱它。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将变量仅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

如何＆＃34;删除＆＃34;执行操作后从numpy数组中屏蔽？

2 个答案: