Python numpy：为浮点数组创建二进制掩码，而不分配中间数组

我有两个形状相同的numpy浮点数组：

data

和

mask

。我想根据

数据

中的值填充

掩码

的值。当

数据

中的元素值等于“可接受值”（见下文）之一时，则

掩码

中的相应项应设置为1.0，否则应设置为0.0

有两种可能的情况：

可接受的值都是有限数

可接受值为除0.0以外的所有有限数

如何在没有任何额外阵列分配的情况下实现上述目标？对于第一个场景，我可以使用

numpy.isfinite

和

out

参数。但是第二种情况呢

numpy。其中

无法使用，因为它需要创建索引的中间数组。我能想到的唯一解决方案是将numpy数组传递给C并在那里执行。然而，我想知道是否也有一个纯粹的numpy解决方案

---

谢谢。

也许使用

np.isfinite

函数的

where

参数过滤掉等于零的元素可以达到您想要的效果？但是，它比使用其他布尔数组的其他选项慢

import numpy as np

# Dummy data
data = np.tile([0,np.inf,2,3,4,5], 10000000).astype(float)
mask = np.zeros_like(data, dtype = float)

# First scenario
np.isfinite(data, out = mask)

# Second scenario 
mask = np.zeros_like(data, dtype = float)
np.isfinite(data, out = mask, where = data != 0)
# Faster method using intermediate boolean arrays
np.bitwise_and(np.isfinite(data), data != 0, out = mask)

---

也许使用

np.isfinite

函数的

where

参数过滤掉等于零的元素可以达到您想要的效果？但是，它比使用其他布尔数组的其他选项慢

import numpy as np

# Dummy data
data = np.tile([0,np.inf,2,3,4,5], 10000000).astype(float)
mask = np.zeros_like(data, dtype = float)

# First scenario
np.isfinite(data, out = mask)

# Second scenario 
mask = np.zeros_like(data, dtype = float)
np.isfinite(data, out = mask, where = data != 0)
# Faster method using intermediate boolean arrays
np.bitwise_and(np.isfinite(data), data != 0, out = mask)

---

你需要的不是布尔掩码吗？理想情况下，

掩码

数组也应该是一个浮点数组（只是在我的帖子中阐明了这一点）。尽管如此，我并不认为不同类型的

掩码
数组的解决方案会有很大差异。数组创建是否真的是算法中的瓶颈？为什么？您是遇到了内存错误，还是只是希望节省时间？布尔掩码不是您所需要的吗？理想情况下，
掩码
数组也应该是浮点数组（在我的帖子中对此进行了澄清）。尽管如此，我并不认为不同类型的
掩码
数组的解决方案会有很大差异。数组创建是否真的是算法中的瓶颈？为什么？您是遇到内存错误，还是只是希望节省时间？这两种方法都会创建临时
数据！=0
array。如果
mask
是
bool
dtype，则所有方法都会更快。@hpaulj您当然是对的。不过，他在问题中为掩码数组指定了一个
float
dtype。这两种方法都创建了一个临时
data！=0
array。如果
mask
是
bool
dtype，则所有方法都会更快。@hpaulj您当然是对的。不过，他在问题中为掩码数组指定了一个
float
dtype。