Question

我注意到numpy masked-array mean method在它可能不应该返回时会返回不同的类型：

import numpy as np

A = np.ma.masked_equal([1,1,0], value=0)
B = np.ma.masked_equal([1,1,1], value=0) # no masked values

type(A.mean())
#numpy.float64
type(B.mean())
#numpy.ma.core.MaskedArray

其他numpy.ma.core.MaskedArray方法似乎是一致的

type( A.sum()) == type(B.sum())
# True
type( A.prod()) == type(B.prod())
# True
type( A.std()) == type(B.std())
# True
type( A.mean()) == type(B.mean())
# False

有人可以解释一下吗？

更新：正如评论中指出的那样

C = np.ma.masked_array([1, 1, 1], mask=[False, False, False])
type(C.mean()) == type(A.mean())
# True

Answer 1

B.mask以：

开头

    if self._mask is nomask:
        result = super(MaskedArray, self).mean(axis=axis, dtype=dtype)

np.ma.nomask是False。

您的B

就属于这种情况

masked_array(data = [1 1 1],
             mask = False,
       fill_value = 0)

对于A，掩码是一个匹配data大小的数组。在B中，它是一个标量，False，而mean正在处理这种情况。

我需要多挖一点才能看出这意味着什么。

In [127]: np.mean(B)
Out[127]: 
masked_array(data = 1.0,
             mask = False,
       fill_value = 0)

In [141]: super(np.ma.MaskedArray,B).mean()
Out[141]: 
masked_array(data = 1.0,
             mask = False,
       fill_value = 0)

我不确定这有帮助; np.ndarray方法与np函数和np.ma方法之间存在一些循环引用，这使得很难准确识别正在使用的代码。它喜欢使用编译的mean方法，但是处理屏蔽的方式并不明显。

我想知道是否意图使用

 np.mean(B.data) # or
 B.data.mean()

并且super方法提取不是正确的方法。

在任何情况下，相同的数组，但带有矢量掩码都会返回标量。

In [132]: C
Out[132]: 
masked_array(data = [1 1 1],
             mask = [False False False],
       fill_value = 0)

In [133]: C.mean()
Out[133]: 1.0

====================

在没有nomask快捷方式的情况下尝试此方法，在

之后引发错误

        dsum = self.sum(axis=axis, dtype=dtype)
        cnt = self.count(axis=axis)
        if cnt.shape == () and (cnt == 0):
            result = masked
        else:
            result = dsum * 1. / cnt

self.count返回nomask案例中的标量，但在常规屏蔽中返回np.int32。所以cnt.shape窒息。

trace是尝试此super(MaskedArray...)'快捷方式'的唯一其他屏蔽方法。关于平均代码显然有一些问题。

====================

相关错误问题：https://github.com/numpy/numpy/issues/5769

根据去年提出的同样问题：Testing equivalence of means of Numpy MaskedArray instances raises attribute error

看起来有很多屏蔽问题，而不仅仅是mean。现在或在不久的将来，开发大师可能会有一些修复。

numpy.ma（蒙面）数组均值方法具有不一致的返回类型

1 个答案: