从Python int列表初始化numpy掩码数组时没有值

如问题的答案所示，如果我们强制使用dtype=float，则可以直接从一个无值列表中初始化一个掩码numpy数组。这些浮点值转换为nan，我们只需执行以下操作：

ma.masked_invalid(np.array(a, dtype=float), copy=False)

但是，这不适用于int，例如：

ma.masked_invalid(np.array(a, dtype=int), copy=False)

因为中间np.array不会创建为None值（没有int-nan）

---

基于Python整型列表初始化屏蔽数组的最有效方法是什么，该整型列表也不包含任何值，从而使这些值被屏蔽？

您不能，但是您可以创建一个包含

对象数据类型

单元格的numpy数组

ma.masked\u无效（np.array（a，dtype=object），copy=False）

编辑

---

否则，您可以在这里查看一下

到目前为止，我找到的最优雅的解决方案（一点也不优雅）是初始化类型为

float

的掩码数组，然后将其转换为

int

：

ma.masked_invalid(np.array(a, dtype=float), copy=False).astype(int)

这将生成一个适当的NP数组，其中初始数组

a

中的

None

值被屏蔽。例如：

a = [1, 2, 3, None, 4]
ma.masked_invalid(np.array(a, dtype=float), copy=False).astype(int)

我们得到：

masked_array(data = [1 2 3 -- 4],
             mask = [False False False  True False],
       fill_value = 999999)

此外，实际屏蔽的int值变为min int，即

ma.masked_invalid(np.array(column, dtype=float), copy=False).astype(int).data

给出：

array([                   1,                    2,                    3,
       -9223372036854775808,                    4])

---

可以通过首先创建两个空数组来实现这一点，一个数组的数据类型为

int

，将成为掩码ed数组，另一个数组的数据类型为bool，将成为掩码本身

然后我们遍历Python数组。在

arr\u无_无

中，我们将所有出现的

none

替换为默认值，并在

mask\u mat

中存储Python数组中的原始值是

none

还是整数。最后，我们用这两个组件生成一个屏蔽阵列

def masked_int_array(arr, default=0):
    arr_without_none = numpy.empty(len(arr), dtype=int)
    mask_mat = numpy.empty(len(arr), dtype=bool)
    for i in range(len(arr)):
        arr_without_none[i] = default if arr[i] is None else arr[i]
        mask_mat[i] = arr[i] is None
    return ma.array(data=arr_without_none, dtype=int, mask=mask_mat, copy=False)

---

我认为如果没有对象数据类型的临时数组，就不会有好的方法来实现这一点。确保您选择的解决方案不会以对象数据类型结尾。是的，但我最终需要int。完整的答案应该为我提供一个int类型的掩码数组。实现这一点最有效的方法是什么？似乎nan的还没有达到numpy int。那么通过object的最佳方法是什么？