Question

我注意到使用maksed_array的rankdata有以下奇怪行为。这是代码：

import numpy as np
import scipy.stats as stats

m = [True, False]
print(stats.mstats.rankdata(np.ma.masked_array([1.0, 100], mask=m)))
# result [0. 1.]

print(stats.mstats.rankdata(np.ma.masked_array([1.0, np.nan], mask=m)))
# result [1. 0.]

print(stats.mstats.rankdata([1.0, np.nan]))
# result [1. 2.]

根据样式doc，掩码值将分配为0（use_missing = False）。那么为什么要在第二个输出[1 0]呢？错误吗？

Answer 1

跟踪之后，我发现它与masked_array的argsort method有关。当mstats.rankdata调用argsort时，它不指定fill_value，也不以输入参数结尾，它们分别默认为np.nan和True。根据numpy的以下代码，fill_value为np.nan。

if fill_value is None:
    if endwith:
        # nan > inf
        if np.issubdtype(self.dtype, np.floating):
            fill_value = np.nan

因此，在masked_array为[1，100]的情况下，它对[nan，100]进行argsorting，即[1，0]。对于masked_array为[1，np.nan]的情况，它要求[nan，nan]为arg，可以是[0,1]。然后在rankdata函数中，假定argsort中的前n个（n = 1）是有效的，此处不正确。

n = data.count()
rk = np.empty(data.size, dtype=float)
idx = data.argsort()
rk[idx[:n]] = np.arange(1,n+1)

带有掩码数组的scipy rankdata

1 个答案: