Question

我想从压缩的蒙版数组和相应的蒙版创建一个数组。用一个例子更容易解释这个：

>>> x=np.ma.array(np.arange(4).reshape((2,2)), mask = [[True,True],[False,False]])
>>> y=x.compressed()
>>> y
array([ 2,  3])

现在我想创建一个与x相同形状的数组，其中屏蔽值得到一个标准值（例如-1），其余部分用给定数组填充。它应该像这样工作：

>>> z = decompress(y, mask=[[True,True],[False,False]], default=-1)
>>> z
array([[-1, -1],
       [ 2,  3]])

问题是：有没有像＆＃34;解压缩＆＃34;这样的方法，还是我需要自己编码？在Fortran中，这是通过方法＆＃34; pack＆＃34;和＆＃34;解包＆＃34;。感谢您的任何建议。

Answer 1

虽然我已经回答了一些ma个问题，但我并不是专家。但我会探讨这个问题

让我们稍微概括一下你的数组：

In [934]: x=np.ma.array(np.arange(6).reshape((2,3)), mask = [[True,True,False],[False,False,True]])
In [935]: x
Out[935]: 
masked_array(data =
 [[-- -- 2]
 [3 4 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [936]: y=x.compressed()
In [937]: y
Out[937]: array([2, 3, 4])

除了值的子集之外，

y没有关于x的信息。注意它是1d

x将其值存储在2个数组中（实际上这些是访问基础._data，._mask属性的属性）：

In [938]: x.data
Out[938]: 
array([[0, 1, 2],
       [3, 4, 5]])
In [939]: x.mask
Out[939]: 
array([[ True,  True, False],
       [False, False,  True]], dtype=bool)

我的猜测是de-compress我们需要使用正确的dtype，shape和mask创建一个empty蒙版数组，并将y的值复制到其data中}。但是应该将哪些值放入data的蒙面元素中？

或者解决问题的另一种方法 - 是否可以将y的值复制回x？

可能的解决方案是将新值复制到x[~x.mask]：

In [957]: z=2*y
In [958]: z
Out[958]: array([4, 6, 8])
In [959]: x[~x.mask]=z
In [960]: x
Out[960]: 
masked_array(data =
 [[-- -- 4]
 [6 8 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [961]: x.data
Out[961]: 
array([[0, 1, 4],
       [6, 8, 5]])

或制作新阵列

In [975]: w=np.zeros_like(x)
In [976]: w[~w.mask]=y
In [977]: w
Out[977]: 
masked_array(data =
 [[-- -- 2]
 [3 4 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [978]: w.data
Out[978]: 
array([[0, 0, 2],
       [3, 4, 0]])

另一种方法是制作一个带有无效值的常规数组full，像这样复制y，并将整个事物转换为蒙版数组。有可能存在一个蒙版数组构造函数，它允许您仅与掩码一起指定有效值。但是我必须深入研究这些文档。

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

执行此操作的另一系列操作，使用np.place设置值

In [1011]: w=np.empty_like(x)
In [1014]: np.place(w,w.mask,999)
In [1015]: np.place(w,~w.mask,[1,2,3])
In [1016]: w
Out[1016]: 
masked_array(data =
 [[-- -- 1]
 [2 3 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [1017]: w.data
Out[1017]: 
array([[999, 999,   1],
       [  2,   3, 999]])

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

看看

https://github.com/numpy/numpy/blob/master/numpy/ma/core.py 
class _MaskedBinaryOperation:

此类用于实现蒙版ufunc。它评估有效单元格中的ufunc（非掩码）并返回一个带有效单元的新掩码数组，保持掩码值不变（来自原始单元）

例如，使用简单的蒙版数组，+1不会更改蒙版值。

In [1109]: z=np.ma.masked_equal([1,0,2],0)
In [1110]: z
Out[1110]: 
masked_array(data = [1 -- 2],
             mask = [False  True False],
       fill_value = 0)
In [1111]: z.data
Out[1111]: array([1, 0, 2])
In [1112]: z+1
Out[1112]: 
masked_array(data = [2 -- 3],
             mask = [False  True False],
       fill_value = 0)
In [1113]: _.data
Out[1113]: array([2, 0, 3])
In [1114]: z.compressed()+1
Out[1114]: array([2, 3])

_MaskedUnaryOperation可能更容易理解，因为它只需要使用1个蒙版数组。

示例，常规日志有掩码0值的问题：

In [1115]: z.log()
...
/usr/local/bin/ipython3:1: RuntimeWarning: divide by zero encountered in log
  #!/usr/bin/python3
Out[1116]: 
masked_array(data = [0.0 -- 0.6931471805599453],
             mask = [False  True False],
       fill_value = 0)

但屏蔽日志会跳过屏蔽的条目：

In [1117]: np.ma.log(z)
Out[1117]: 
masked_array(data = [0.0 -- 0.6931471805599453],
             mask = [False  True False],
       fill_value = 0)
In [1118]: _.data
Out[1118]: array([ 0.        ,  0.        ,  0.69314718])

oops - _MaskedUnaryOperation可能没那么有用。它评估所有值ufunc的{{1}}，并使用np.ma.getdata(z)上下文来阻止警告。然后，它使用掩码将屏蔽值复制到结果（errstate）。

反转＆＃34; numpy.ma.compressed＆＃34;手术

1 个答案: