Question

我有一个带有一些NaN值的numpy数组：

arr = [ 0, NaN, 2, NaN, NaN, 5, 6, 7 ]

使用一些逻辑（在问题范围之外），我生成一个NaN位置的掩码：

mask = [ True, False, True, False, False, True, True, True ]

我使用此掩码仅选择有效数据：

valid_arr = arr[mask]   # [ 0, 2, 5, 6, 7 ]

然后我执行一个任意算法，在这个新数组中选择几个indeces：

indeces = myAlgo(valid_arr)   # [ 1, 3 ]

有效数组中的indeces为1,3（对应于值2和6）。我需要知道这些indeces对应于原始数组中的（arr）。在上面的例子中，这显然是 2和6 。

数组是时间序列数据，未排序。一种解决方案是迭代mask，仅在找到有效数字时递增计数器。使用numpy可以更有效地完成这项工作吗？

Answer 1

您可以平滑从原始数组返回索引的掩码，然后使用新索引对掩码索引进行子集化：

mask = np.array([ True, False, True, False, False, True, True, True ])
indices = [1,3]

np.flatnonzero(mask)[indices]
# array([2, 6])

Answer 2

你可以创建一个索引数组（使用np.arange）然后屏蔽它，最后使用advanced indexing using an integer array来获取相应的项目：

>>> mask = np.array([ True, False, True, False, False, True, True, True ])
>>> np.arange(mask.size)[mask][[1, 3]]
array([2, 6])