在 numpy masked_array 中用 nan 替换 masked答案

【问题标题】：replace masked with nan in numpy masked_array在 numpy masked_array 中用 nan 替换 masked
【发布时间】：2019-10-06 09:05:12
【问题描述】：

>> masks = [[1,1],[0,0]]    
>> [np.ma.masked_array(data=np.array([1.0,2.0]), mask=m, fill_value=np.nan).mean() for m in masks]
   [masked, 1.5]

我想用nan 替换masked 结果。有没有办法直接用 numpy 的masked_array 做到这一点？

【问题讨论】：

标签： python numpy masked-array

【解决方案1】：

In [232]: M = np.ma.masked_array(data=np.array([1.0,2.0]),mask=[True, False])

filled 方法用填充值替换掩码值：

In [233]: M.filled()                                                         
Out[233]: array([1.e+20, 2.e+00])
In [234]: M.filled(np.nan)         # or with a value of your choice.                                                   
Out[234]: array([nan,  2.])

或者和你一样，在定义数组时指定填充值：

In [235]: M = np.ma.masked_array(data=np.array([1.0,2.0]),mask=[True, False],
     ...:  fill_value=np.nan)                                                
In [236]: M                                                                  
Out[236]: 
masked_array(data=[--, 2.0],
             mask=[ True, False],
       fill_value=nan)
In [237]: M.filled()                                                         
Out[237]: array([nan,  2.])

掩码均值法跳过填充值：

In [238]: M.mean()                                                           
Out[238]: 2.0
In [239]: M.filled().mean()                                                  
Out[239]: nan
In [241]: np.nanmean(M.filled())    # so does the `nanmean` function
In [242]: M.data.mean()             # mean of the underlying data                                                      
Out[242]: 1.5

【讨论】：

【解决方案2】：

我认为你可以做到np.ones

masks=np.array([[1,1],[0,0]])

np.ma.masked_array(data=np.array([1.0,2.0])*np.ones(masks.shape), mask=masks, fill_value=np.nan).mean(axis=1)
Out[145]: 
masked_array(data=[--, 1.5],
             mask=[ True, False],
       fill_value=1e+20)

【讨论】：