Question

如问题Convert python list with None values to numpy array with nan values的答案所示，如果我们强制执行dtype = float，则可以直接从具有None值的列表初始化屏蔽的numpy数组。这些浮点值转换为nan，我们可以简单地执行：

ma.masked_invalid(np.array(a, dtype=float), copy=False)

然而，这不适用于int：

ma.masked_invalid(np.array(a, dtype=int), copy=False)

因为中间的np.array不会使用None值创建（没有int nan）。

基于Python的int列表初始化掩码数组的最有效方法是什么，这些int也包含None值，以便这些None值被掩盖？

Answer 1

到目前为止我找到的最优雅的解决方案（并不优雅）是初始化float类型的蒙版数组，然后将其转换为int：

ma.masked_invalid(np.array(a, dtype=float), copy=False).astype(int)

这会生成一个正确的NP数组，其中初始数组None中的a值被屏蔽。例如，对于：

a = [1, 2, 3, None, 4]
ma.masked_invalid(np.array(a, dtype=float), copy=False).astype(int)

我们得到：

masked_array(data = [1 2 3 -- 4],
             mask = [False False False  True False],
       fill_value = 999999)

此外，实际的掩码int值变为min int，即

ma.masked_invalid(np.array(column, dtype=float), copy=False).astype(int).data

给出：

array([                   1,                    2,                    3,
       -9223372036854775808,                    4])

Answer 2

你不能，但是你可以创建一个object dtype个小区的numpy数组

ma.masked_invalid(np.array(a, dtype=object), copy=False)

修改

否则你可以看看NumPy or Pandas: Keeping array type as integer while having a NaN value

Answer 3

可以通过首先创建两个空数组来实现此目的，其中一个数组的数据类型为int将成为掩码 ed 数组，另一个数组的数据类型为bool则将成为掩码本身

然后我们遍历Python数组。在arr_without_none中，将所有出现的None替换为默认值，在mask_mat中，我们存储Python数组中的原始值是None还是整数。最后，我们从这两个组件中生成一个蒙版数组。

def masked_int_array(arr, default=0):
    arr_without_none = numpy.empty(len(arr), dtype=int)
    mask_mat = numpy.empty(len(arr), dtype=bool)
    for i in range(len(arr)):
        arr_without_none[i] = default if arr[i] is None else arr[i]
        mask_mat[i] = arr[i] is None
    return ma.array(data=arr_without_none, dtype=int, mask=mask_mat, copy=False)

使用无值

3 个答案: