我有两个numpy蒙面数组：
import test from 'tape';
import dom from 'dom';
// To create global dom
dom();
如果我尝试将>>> x
masked_array(data = [1 2 -- 4],
mask = [False False True False],
fill_value = 999999)
>>> y
masked_array(data = [4 -- 0 4],
mask = [False True False False],
fill_value = 999999)
除以x，则当其中一个操作数被屏蔽时，实际上不执行除法运算，因此我没有得到被零除错误。 / p>
y如果我定义自己的除法函数>>> x/y
masked_array(data = [0.25 -- -- 1.0],
mask = [False True True False],
fill_value = 1e+20)
：
div但是，如果我用>>> def div(a,b):
return a/b
>>> div(x, y)
masked_array(data = [0.25 -- -- 1.0],
mask = [False True True False],
fill_value = 1e+20)
包装我的函数，则会在屏蔽值上调用该函数，并且出现错误：
vectorize有没有办法可以使用数组参数调用函数，并且只有在所有参数都被取消屏蔽时才执行该函数？
答案 0 :(得分：9)
直接调用该函数是因为，当您致电div(x,y)时，div的参数a和b成为MaskedArrays x并且y，a/b生成的代码为x.__div__(y)（或__truediv__）。
现在，由于x是一个MaskedArray，因此它具有根据其规则对另一个MaskedArray执行除法的智能。
但是，当你对它进行矢量化时，你的div函数在这种情况下不会看到任何MaskedArrays，只有scalars，几个int。因此，当它在第三个项目中尝试a/b时，它将是＆＃39;某些东西＆＃39;零，你得到错误。
MaskedArray的实现似乎是基于为MaskedArrays重新实现Numpy的大部分内容。例如，请参阅您同时拥有numpy.log和numpy.ma.log。比较在包含负值的MaskedArray上运行它们。两者实际上都返回了一个正确的MaskedArray，但是朴素的numpy版本也会输出一些关于除以零的抱怨：
In [116]: x = masked_array(data = [-1, 2, 0, 4],
...: mask = [False, False, True, False],
...: fill_value = 999999)
In [117]: numpy.log(x)
/usr/bin/ipython:1: RuntimeWarning: divide by zero encountered in log
#!/usr/bin/python3
/usr/bin/ipython:1: RuntimeWarning: invalid value encountered in log
#!/usr/bin/python3
Out[117]:
masked_array(data = [-- 0.6931471805599453 -- 1.3862943611198906],
mask = [ True False True False],
fill_value = 999999)
In [118]: numpy.ma.log(x)
Out[118]:
masked_array(data = [-- 0.6931471805599453 -- 1.3862943611198906],
mask = [ True False True False],
fill_value = 999999)
如果您在普通列表上运行numpy.log版本，它将返回nan和inf以获取无效值，而不是像您ZeroDivisionError那样抛出错误得到。
In [138]: a = [1,-1,0]
In [139]: numpy.log(a)
/usr/bin/ipython:1: RuntimeWarning: divide by zero encountered in log
#!/usr/bin/python3
/usr/bin/ipython:1: RuntimeWarning: invalid value encountered in log
#!/usr/bin/python3
Out[139]: array([ 0., nan, -inf])
有了这个，我看到两种选择：首先，对于你列出的更简单的情况，你可以用div的情况下的no-op：1替换坏值（注意数据与你的略有不同，因为你没有将其标记为蒙版）：
x = masked_array(data = [1, 2, 0, 4],
mask = [False, False, True, False],
fill_value = 999999)
y = masked_array(data = [4, 0, 0, 4],
mask = [False, True, True, False],
fill_value = 999999)
In [153]: numpy.vectorize(div)(x,y.filled(1))
Out[153]:
masked_array(data = [0.25 2.0 -- 1.0],
mask = [False False True False],
fill_value = 999999)
这种方法的问题是填充的值在结果中被列为非掩码，这可能不是你想要的。
现在，div可能仅仅是一个例子，您可能想要更复杂的行为，而这些行为没有“无操作”。论点。在这种情况下，您可以像Numpy那样为log执行操作，并避免抛出异常，而是返回特定值。在这种情况下，numpy.ma.masked。 div的实施变为：
In [154]: def div(a,b):
...: try:
...: return a/b
...: except Exception as e:
...: warnings.warn (str(e))
...: return numpy.ma.masked
...:
...:
In [155]: numpy.vectorize(div)(x,y)
/usr/bin/ipython:5: UserWarning: division by zero
start_ipython()
/usr/lib/python3.6/site-packages/numpy/lib/function_base.py:2813: UserWarning: Warning: converting a masked element to nan.
res = array(outputs, copy=False, subok=True, dtype=otypes[0])
Out[155]:
masked_array(data = [0.25 -- -- 1.0],
mask = [False True True False],
fill_value = 999999)
但也许你已经有了这个功能而且不想改变它，或者它是第三方。在这种情况下，您可以使用更高阶的函数：
In [164]: >>> def div(a,b):
...: return a/b
...:
In [165]: def masked_instead_of_error (f):
...: def wrapper (*args, **kwargs):
...: try:
...: return f(*args, **kwargs)
...: except:
...: return numpy.ma.masked
...: return wrapper
...:
In [166]: numpy.vectorize(masked_instead_of_error(div))(x,y)
/usr/lib/python3.6/site-packages/numpy/lib/function_base.py:2813: UserWarning: Warning: converting a masked element to nan.
res = array(outputs, copy=False, subok=True, dtype=otypes[0])
Out[166]:
masked_array(data = [0.25 -- -- 1.0],
mask = [False True True False],
fill_value = 999999)
在上面的实现中，使用警告可能是也可能不是一个好主意。您可能还希望限制返回numpy.ma.masked时要捕获的例外类型。
另请注意，masked_instead_of_error已准备好用作函数的装饰器，因此您不必每次都使用它。