Python 对多个numpy数组求平均值时的和不正确

我试图从多个numpy数组中创建元素平均值的数组。将两个数组相加时（使用

numpy.add（）

或通过广播

a1+a2

），生成的总和似乎不正确

代码

from netCDF4 import Dataset
import numpy
import os

data_dir = /my_data/
data_files = np.asarray(os.listdir(data_dir))
dataset = Dataset(os.path.join(data_dir,data_files[0]),'r')
vals_sum = np.zeros_like(dataset.variables["vals"][:][:])

for data_file in data_files:
    current_file = os.path.join(data_dir,data_file)
    dataset = Dataset(current_file,'r')
    vals = dataset.variables["vals"][:][:]

    print '1: sum', np.sum(vals)
    print '1: total sum', np.sum(vals_sum)

    vals_sum = np.add(vals, vals_sum)

    print '2: sum', np.sum(vals)
    print '2: total sum', np.sum(vals_sum)
    print '\n'

输出（目录中有两个数据文件）

我希望对于第一个文件，第一个数组的和和运行的和应该是相同的。两个数据集中都没有负值，这怎么可能呢

更新1: 在尝试

vals=np.copy（dataset.variables[“vals”]）

后，它似乎已将缺少的值转换为

-999

，这与用于初始化数组的其他方法不同。尽管：

1: sum -9.24455e+08
1: total sum 0.0
2: sum -9.24455e+08
2: total sum -8.10467e+07

1: sum -9.31734e+08
1: total sum -8.10467e+07
2: sum -9.31734e+08
2: total sum -1.57788e+08

更新2: 太好了。。。当netCDF数据集中缺少值时，

netCDF4

似乎会自动神奇地创建一个屏蔽numpy数组。执行

np.zeros_like（）

时，会复制屏蔽值。这意味着我从我的第一个数据文件创建的零数组，尽管它具有相同数量的元素，但它是使用一个掩码创建的，其中该文件缺少数据。当遮罩数组加在一起时，它们的遮罩也是一样，这将给出不同的总和

import numpy.ma as ma
import numpy as np

x = np.array([1,5,7,-999,45,2,-999])
y = np.array([-999,89,-999,80,34,31,1])
mx = ma.masked_less(x,0)
my = ma.masked_less(y,0)
x0 = np.zeros_like(mx)
np.sum(my) # yields 235
np.sum(my+x0) # yields 154

现在的问题是,

---

如何有效地为给定的文件/日期范围创建一个累积掩码，而无需对所有数据进行两次初始化处理？为什么对第一个文件的输出感到满意？第一个文件的

np.sum（vals）

和

np.sum（vals+vals\u sum）

不应该是相同的吗？但是它们不是。另外，

Dataset

是否打开文件？你是否需要先关闭它以确保他们没有发生奇怪的事情？尝试类似于将数据集（当前文件“r”）作为数据集的

：我建议对每个文件打印
vals.shape
和
vals\u sum.shape
，以确保没有广播发生。如果存在广播，则一个或另一个数组中的每个值将被计数几次（与形状匹配所需的相乘次数相同）。对于数组，
a=[1,2,3]；b=[1]
，那么
sum（a）+sum（b）
与
sum（a+b）
不一样，因为
b
在后一种情况下会被计数三次。如果将
vals=dataset.variables[“vals”[：][：]
替换为
vals=np copy（dataset.variables[“vals”]）
，这与问题无关，但是您可以用更紧凑的
vals\u sum+=vals
替换
vals\u sum=np.add（vals，vals\u sum）
。
import numpy.ma as ma
import numpy as np

x = np.array([1,5,7,-999,45,2,-999])
y = np.array([-999,89,-999,80,34,31,1])
mx = ma.masked_less(x,0)
my = ma.masked_less(y,0)
x0 = np.zeros_like(mx)
np.sum(my) # yields 235
np.sum(my+x0) # yields 154