Numpy np.ma.average（）以避免被零除的错误

我采用的是如下数量的方法：

mean = np.ma.average(X,weights=weights, axis=1)

X

是一个100列1000行的2维数组<代码>权重具有相同的形状，结果

平均值

为预期的1000行。与np.average（）相比的优点是，对于权重都为0的行，我不会得到除以零的错误。然后当我像这样画出平均值时，它看起来很好

plt.hist(mean)

当所有权重为0时，我不希望

mean=0

，而是希望在绘图时跳过该行。这是怎么回事？或者当权重为0时，我正在绘制额外的0

---

@anishtain4提供了另一种解决方案，可以完全满足需要。但是我想知道使用

np.ma

函数是否是错误的。它会做一些意外的事情吗？

您可以找到并非所有权重都为零的行索引，然后使用该索引过滤输出：

ind=np.any(weights,axis=1)
ans=np.mean(X*weights,axis=1)[ind]

编辑：

要保持尺寸不变并跳过绘图中的无效行，只需将它们设置为

np.nan

。然而，这些行的结果没有任何意义（但我认为这并不重要）。因此，代码如下所示：

ind=~np.any(weights,axis=1)
weights[ind]=np.nan
ans=np.mean(x*weights,axis=1)
plt.plot(ans)

---

是的，但这样我就改变了形状。我想跟踪

NAN

行，以及其他计算。例如，如果我想然后执行

ans1-Y

，我不能，因为

Y

将有1000行。@user7867665所以你想保持形状不变，这些行的结果无关紧要，你想在打印时跳过这些行吗？是的。我可以通过

numpy.ma

函数实现这一点。是否存在意外后果的危险？您的编辑给出了正确答案，但为了完整起见，我想特别了解对

numpy.ma