Python 用蒙版元素取numpy ndarray的平均值

我有一个MxN数组，其中的值取自一个实验。其中一些值无效，设置为0表示该值无效。我可以使用

mask = (mat1 == 0) & (mat2 == 0)

它生成一个布尔的MxN数组。需要注意的是，屏蔽位置并不整齐地跟随矩阵的列或行，因此简单地裁剪矩阵不是一个选项

现在，我想沿着数组的一个轴取平均值（例如，以1xN数组结束），同时排除平均值计算中的无效值。直觉上我认为

 np.mean(mat1[mask],axis=1)

应该这样做，但是

mat1[mask]

操作会生成一个1D数组，它似乎就是

mask

为真的元素-当我只需要数组一维的平均值时，这没有帮助

---

有没有一种“python式”或numpy的方法可以做到这一点？我想我可以使用mask将蒙版元素设置为

NaN

并使用

np.nanmean

——但这仍然感觉有点笨重。有没有“干净”的方法呢？

我认为最好的方法是：

masked = np.ma.masked_where(mat1 == 0 && mat2 == 0, array_to_mask)

那就用平均数来衡量吧

masked.mean(axis=1)

---

一种类似的笨拙但有效的方法是将数组与掩码相乘，将掩码值设置为零。当然，您必须手动除以非屏蔽值的数量。因此笨重。但这将适用于整数值数组，这在

nan

案例中是无法描述的。对于小型和大型阵列（包括另一个答案中的屏蔽阵列解决方案），它似乎也是最快的：

---

工作得很好！我不知道蒙面阵列-谢谢！在处理浮动时，手动方法是什么？@m_power我认为手动版本也适用于浮动。我的动机更多的是，对于float情况，您可以只对无效值使用nans，然后使用

np.nanmean

，这可能会更快，因为它是一个单一的numpy函数调用。但是OP已经知道了这一点，如果你看一下他们问题的最后一部分，这就是为什么我把重点放在集成阵列可能需要的手动版本上。但是，如果您需要在多个位置使用屏蔽数据，那么使用屏蔽数组的公认方法总体上可能会更好。这取决于您的用例。谢谢！我正在使用np.nanmean（对于带有一些NaN的浮点数组），但我想看看是否有更快的方法。@m_power如果您已经有一个浮点数组，我希望

np.nanmean

最快，但无可否认，我没有遇到过这样的问题。该函数似乎是用python实现的，因此如果这真的是您的瓶颈，您可以尝试用较少的检查来完成它的功能：

import numpy as np

def nanny(mat, mask):
    mat = mat.astype(float).copy() # don't mutate the original
    mat[~mask] = np.nan            # mask values
    return np.nanmean(mat, axis=0) # compute mean

def manual(mat, mask):
    # zero masked values, divide by number of nonzeros
    return (mat*mask).sum(axis=0)/mask.sum(axis=0)

# set up dummy data for testing
N,M = 400,400
mat1 = np.random.randint(0,N,(N,M))
mask = np.random.randint(0,2,(N,M)).astype(bool)

print(np.array_equal(nanny(mat1, mask), manual(mat1, mask))) # True