Python 如何将掩码从一个数组应用到另一个数组？

现在我已经读了好几遍蒙面数组文档，到处都找遍了，觉得自己非常愚蠢。我不知道如何将面具从一个阵列应用到另一个阵列

例如：

import numpy as np

y = np.array([2,1,5,2])          # y axis
x = np.array([1,2,3,4])          # x axis
m = np.ma.masked_where(y>2, y)   # filter out values larger than 5
print m
[2 1 -- 2]
print np.ma.compressed(m)
[2 1 2]

所以这很好用。。。。但要绘制这个y轴，我需要一个匹配的x轴。如何将遮罩从y阵列应用到x阵列？这样做是有道理的，但会产生垃圾：

new_x = x[m.mask].copy()
new_x
array([5])

那么，这到底是怎么做到的（请注意，新的x阵列需要是一个新的阵列）

编辑：

看来有一种方法是这样的：

>>> import numpy as np
>>> x = np.array([1,2,3,4])
>>> y = np.array([2,1,5,2])
>>> m = np.ma.masked_where(y>2, y)
>>> new_x = np.ma.masked_array(x, m.mask)
>>> print np.ma.compressed(new_x)
[1 2 4]

但那真是一团糟！我正试图找到一个像IDL一样优雅的解决方案…

为什么不简单呢

import numpy as np

y = np.array([2,1,5,2])          # y axis
x = np.array([1,2,3,4])          # x axis
m = np.ma.masked_where(y>2, y)   # filter out values larger than 5
print list(m)
print np.ma.compressed(m)

# mask x the same way
m_ = np.ma.masked_where(y>2, x)   # filter out values larger than 5
# print here the list
print list(m_) 
print np.ma.compressed(m_)

代码是针对Python2.x的

此外，正如joris所建议的，这将完成以下工作：

new_x=x[~m.mask].copy（）

给出一个数组

>>> new_x
array([1, 2, 4])

---

我有一个类似的问题，但涉及加载更多的屏蔽命令和更多的数组来应用它们。我的解决方案是在一个数组上执行所有屏蔽，然后在

mask\u where

命令中使用最终屏蔽的数组作为条件

例如：

y = np.array([2,1,5,2])                         # y axis
x = np.array([1,2,3,4])                         # x axis
m = np.ma.masked_where(y>5, y)                  # filter out values larger than 5
new_x = np.ma.masked_where(np.ma.getmask(m), x) # applies the mask of m on x

---

很好的一点是，您现在可以将此掩码应用于更多阵列，而无需对每个阵列执行掩码过程。

这可能不是OP想要知道的100%， 但这是我一直在使用的一段可爱的小代码- 如果要以相同的方式屏蔽多个数组，可以使用此通用函数一次屏蔽动态数量的numpy数组：

def apply_mask_to_all(mask, *arrays):
assert all([arr.shape == mask.shape for arr in arrays]), "All Arrays need to have the same shape as the mask"
return tuple([arr[mask] for arr in arrays])

请参见此示例用法：

    # init 4 equally shaped arrays
x1 = np.random.rand(3,4)
x2 = np.random.rand(3,4)
x3 = np.random.rand(3,4)
x4 = np.random.rand(3,4)

# create a mask
mask = x1 > 0.8

# apply the mask to all arrays at once
x1, x2, x3, x4 = apply_mask_to_all(m, x1, x2, x3, x4)

---

你不能像

plot（x，m）

那样绘图而不创建新的\ux吗？它是

new\ux=x[~m.mask].copy（）

。请注意

~

，因为掩码在值被掩码的地方是真的。请注意，在

new\u x=x[~m.mask].copy（）中不需要
.copy（）
。使用布尔数组进行索引总是会产生一个副本，因此这可以是
new\u x=x[~m.mask]
。您真的需要在这里使用mask吗？布尔数组上的索引将为您提供所需的内容
new_y=y[y<5]
和
new_x=x[y<5]
。如果要重用它，可以将其分配给变量：
mask=y<5；m=y[遮罩]；新建_x=x[掩码]
。这样就避免了使用掩码数组，并使其更简单、更直观。谢谢，这也是一个好东西。很明显，我是Python新手，正在经历磨难……这可能有助于你的答案避免使用“简单”、“公正”等词。如果
x
和
y
有不同的维数，而我只想在轴0上遮罩会怎么样？