我正在尝试选择较大网格的子集来执行有限元分析以在两个数组之间进行迭代;一个蒙面数组和一个未屏蔽的数组,但我遇到了使用np.arrays时从掩码中出现的NaN问题。我最初在这里使用掩码试图避免 NaN问题,包括NaN == NaN(False)等......但是当与np.arrays一起使用时,掩码本身似乎正在创建NaN!
协调数组迭代:
array = np.array(list(np.arange(5))*5).reshape(5,5)
big_array = np.array([array,array,array])
在坐标数组上应用蒙版:
mask1 = np.ma.masked_array(big_array, mask = (big_array>2))
mask2 = np.ma.masked_array(big_array, mask = (big_array>3))
遍历坐标数组以进行屏蔽与未屏蔽的比较:
for i in range(5):
for j in range(5):
array_group = np.array([ big_array[0,i,j], big_array[1,i,j] ])
array_group2 = np.array([ mask1[0,i,j], mask2[1,i,j] ])
print array_group
^^来自array_group的没有NaN但是.. ^^^
print array_group2
此处为屏蔽的array_group2显示NaN
答案 0 :(得分:0)
在您的数据中,您的mask1
输出:
[[[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]]
[[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]]
[[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]
[0 1 2 -- --]]]
小破折号是导致nan
值出现的蒙版数据。
至于如何解决这个问题......我认为这取决于你想如何对待这些数据:将这些破折号替换为0,False,删除它们......等等。