numpy蒙面参差不齐的数组

Question

我想用非标量 fill_value 填充一个 dtype 为 object 的屏蔽数组（因为我需要存储屏蔽不规则数组）。

这是一个二维数组的示例，其元素是一维 numpy 数组。当然，我希望 fill_value 是一个空数组。

import numpy as np

arr = np.array([
    [np.arange(10), np.arange(5), np.arange(3)],
    [np.arange(1),  np.arange(2), np.array([])],
])

marr = np.ma.array(arr)

marr.mask = [[True, False, False],
             [True, False, True]]
marr.fill_value = np.array([])

marr.filled()

不幸的是，它在最后一行产生了错误：

ValueError: could not broadcast input array from shape (0) into shape (2,3)

我可以手动提取掩码，并将其应用于逐个元素的算法；但这对我来说似乎不是正确的方向。

谢谢！

Answer 1

我不会指望MaskedArray 可以很好地处理对象 dtype 数组。 filled 正在尝试将填充值（一个数组）复制到 data 中的插槽子集。由于广播可能很棘手，即使没有遮罩层。

查看完整的错误：

In [39]: marr.filled()                                                                                                  
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-39-219e016a84cf> in <module>
----> 1 marr.filled()

/usr/local/lib/python3.6/dist-packages/numpy/ma/core.py in filled(self, fill_value)
   3718             result = self._data.copy('K')
   3719             try:
-> 3720                 np.copyto(result, fill_value, where=m)
   3721             except (TypeError, AttributeError):
   3722                 fill_value = narray(fill_value, dtype=object)

ValueError: could not broadcast input array from shape (0) into shape (2,3)

np.copyto 尝试相互广播result、fill_value 和m（掩码），然后将相应的（掩码==true）元素从fill_value 复制到result。

marr.data 和 marr.mask 都是 (2,3)。但是将 (0,) 形状广播到 (2,3) 是行不通的，而且也不是你想要的。

使用标量填充有效，但不适用于数组（或列表）。

In [56]: np.broadcast_to(np.array([]),(2,3))                                                                            
...
ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (0,) and requested shape (2,3)

将广播一个 (1,) 形状数组 -

In [57]: np.broadcast_to(np.array([1]),(2,3))                                                                           
Out[57]: 
array([[1, 1, 1],
       [1, 1, 1]])

但是填充的结果不是数组；这是一个标量：

In [58]: marr.filled(np.array([1]))                                                                                     
Out[58]: 
array([[1, array([0, 1, 2, 3, 4]), array([0, 1, 2])],
       [1, array([0, 1]), 1]], dtype=object)

有效的填充

如果我定义一个 (1,) 对象 dtype 数组并将 (0,) 数组放入其中（作为对象），我可以使这个填充工作。

In [97]: Ofill = np.array([None], object)                                                                               
In [98]: Ofill[0] = np.array([])                                                                                        
In [99]: Ofill                                                                                                          
Out[99]: array([array([], dtype=float64)], dtype=object)
In [100]: marr.filled(Ofill)                                                                                            
Out[100]: 
array([[array([], dtype=float64), array([0, 1, 2, 3, 4]),
        array([0, 1, 2])],
       [array([], dtype=float64), array([0, 1]),
        array([], dtype=float64)]], dtype=object)

这是因为Ofill 可以广播到 (2,3) 而不会弄乱元素的形状

In [101]: np.broadcast_to(Ofill,(2,3))                                                                                  
Out[101]: 
array([[array([], dtype=float64), array([], dtype=float64),
        array([], dtype=float64)],
       [array([], dtype=float64), array([], dtype=float64),
        array([], dtype=float64)]], dtype=object)

这可行，但我不会说它漂亮（或推荐）。

用None 填充更漂亮，但即便如此我们也必须将其列在列表中：

In [103]: marr.filled([None])                                                                                           
Out[103]: 
array([[None, array([0, 1, 2, 3, 4]), array([0, 1, 2])],
       [None, array([0, 1]), None]], dtype=object)

Answer 2

已为函数“填充”提供了要为被屏蔽部分填充的值。

import numpy as np
arr = np.array([
    [np.arange(10), np.arange(5), np.arange(3)],
    [np.arange(1),  np.arange(2), np.array([])],
])
marr = np.ma.array(arr)
marr.mask = [[True, False, False],
             [True, False, True]]
marr.fill_value = np.array([])
marr.filled(2) 

这个版本的代码没有给出那个错误。