Question

我希望完全屏蔽数组的求和结果为零，但返回“屏蔽”。如何让函数返回零？

>>> a = np.asarray([1, 2, 3, 4])
>>> b = np.ma.masked_array(a, mask=~(a > 2))
>>> b
masked_array(data = [-- -- 3 4],
             mask = [ True  True False False],
       fill_value = 999999)

>>> b.sum()
7
>>> b = np.ma.masked_array(a, mask=~(a > 5))
>>> b
masked_array(data = [-- -- -- --],
         mask = [ True  True  True  True],
   fill_value = 999999)


>>> b.sum()
masked
>>> np.ma.sum(b)
masked
>>>

这是另一个意想不到的事情：

>>> b.sum() + 3
masked

Answer 1

在你的最后一个案例中：

In [197]: bs=b1.sum()
In [198]: bs.data
Out[198]: array(0.0)
In [199]: bs.mask
Out[199]: array(True, dtype=bool)
In [200]: repr(bs)
Out[200]: 'masked'
In [201]: str(bs)
Out[201]: '--'

如果我指定keepdims，我会得到一个不同的数组：

In [208]: bs=b1.sum(keepdims=True)
In [209]: bs
Out[209]: 
masked_array(data = [--],
             mask = [ True],
       fill_value = 999999)
In [210]: bs.data
Out[210]: array([0])
In [211]: bs.mask
Out[211]: array([ True], dtype=bool)

这是sum代码的相关部分：

def sum(self, axis=None, dtype=None, out=None, keepdims=np._NoValue):
    kwargs = {} if keepdims is np._NoValue else {'keepdims': keepdims}

    _mask = self._mask
    newmask = _check_mask_axis(_mask, axis, **kwargs)
    # No explicit output
    if out is None:
        result = self.filled(0).sum(axis, dtype=dtype, **kwargs)
        rndim = getattr(result, 'ndim', 0)
        if rndim:
            result = result.view(type(self))
            result.__setmask__(newmask)
        elif newmask:
            result = masked
        return result
    ....

这是

 newmask = np.ma.core._check_mask_axis(b1.mask, axis=None)
 ...
 elif newmask: result = masked

在您的案例中产生masked值的行。在所有值都被屏蔽的情况下，newmask为True，而有些则不是。返回np.ma.masked的选择是慎重的。

计算的核心是：

In [218]: b1.filled(0).sum()
Out[218]: 0

其余代码决定是否返回标量或掩码数组。

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

还有你的补充：

In [232]: np.ma.masked+3
Out[232]: masked

看起来np.ma.masked是一个特殊的数组，可以在计算中传播。有点像np.nan。

Numpy masked_array总和

1 个答案: