Question

import numpy as np
import numpy.ma as ma

"""This operates as expected with one value masked"""
a = [0., 1., 1.e20, 9.]
error_value = 1.e20
b = ma.masked_values(a, error_value)
print b

"""This does not, all values are masked """
d = [0., 1., 'NA', 9.]
error_value = 'NA'
e = ma.masked_values(d, error_value)
print e

如何使用'nan'，'NA'，'None'或类似值来表示缺少数据？

Answer 1

您是从文本文件或类似文件中获取数据吗？如果是这样，我建议直接使用genfromtxt函数来指定屏蔽值：

In [149]: f = StringIO('0.0, 1.0, NA, 9.0')

In [150]: a = np.genfromtxt(f, delimiter=',', missing_values='NA', usemask=True)

In [151]: a
Out[151]:
masked_array(data = [0.0 1.0 -- 9.0],
             mask = [False False  True False],
       fill_value = 1e+20)

我认为你的例子中的问题是你用来初始化numpy数组的python列表有异构类型（浮点数和字符串）。这些值被强制转换为numpy数组中的字符串，但masked_values函数使用浮点相等而产生奇怪的结果。

这是通过创建具有对象dtype的数组来克服此问题的一种方法：

In [152]: d = np.array([0., 1., 'NA', 9.], dtype=object)

In [153]: e = ma.masked_values(d, 'NA')

In [154]: e
Out[154]:
masked_array(data = [0.0 1.0 -- 9.0],
             mask = [False False  True False],
       fill_value = ?)

您可能更喜欢第一个解决方案，因为结果有一个浮点dtype。

Answer 2

此解决方案有效，它会强制创建数组的副本。

a_true = (a == 'NA')

a[a_true] = 1.e20

a = a.astype(float)

print a

error_value = 1.e20

b = ma.masked_values(a, error_value)

print b

Numpy蒙面数组 - 表示缺少值

2 个答案: