Python numpy掩码数组初始化

在我的工作中，我一直使用屏蔽数组，但我遇到的一个问题是，屏蔽数组的初始化有点笨拙。具体地说，ma.zeros（）和ma.empty（）返回的掩码数组具有与数组维度不匹配的掩码。我希望这样做的原因是，如果我没有指定给数组中的特定元素，它在默认情况下是被屏蔽的

In [4]: A=ma.zeros((3,))
...
masked_array(data = [ 0.  0.  0.],
             mask = False,
       fill_value = 1e+20)

我可以随后分配掩码：

In [6]: A.mask=ones((3,))
...
masked_array(data = [-- -- --],
             mask = [ True  True  True],
       fill_value = 1e+20)

但是为什么我必须使用两行来初始化和数组呢？或者，我可以忽略ma.zeros（）功能，并在一行中指定掩码和数据：

In [8]: A=ma.masked_array(zeros((3,)),mask=ones((3,)))
...
masked_array(data = [-- -- --],
             mask = [ True  True  True],
       fill_value = 1e+20)

---

但我觉得这也很笨重。我已经浏览了

numpy.ma

文档，但是我找不到一个处理这个问题的好方法。我错过了一些明显的东西吗？

嗯，

ma.zeros

中的掩码实际上是一个特殊常数，

ma.nomask

，它对应于

np.bool（False）

。它只是一个占位符，告诉NumPy掩码尚未设置。 使用

nomask

实际上大大加快了

np.ma

的速度：如果我们事先知道没有屏蔽值，就不需要跟踪屏蔽值的位置

最好的方法是，如果不需要掩码，不要显式设置掩码，而是在需要时（即，当您尝试获取负数日志时）保留

np.ma

设置掩码

---

旁注#1：要将掩码设置为与输入形状相同的

False

数组，请使用

np.ma.array(..., mask=False)

那更容易打字。请注意，它实际上是Python

False

，而不是

np.ma.nomask

。。。同样，使用

mask=True

强制屏蔽所有输入（即，

mask

将是一个充满

True

的bool

ndarray

，形状与

数据相同）


旁注#2：
如果需要在初始化后设置掩码，则不应使用赋值给
.mask
，而应将赋值给特殊值
np.ma.masked
，这样更安全：

a[:] = np.ma.masked

不幸的是，您的旁注#对于具有多个维度的数组，建议有2处错误：

a = ma.zeros( (2,2) )
a[0][0] = ma.masked
a
masked_array(data =
 [[ 0.  0.]
 [ 0.  0.]],
         mask =
 False,
   fill_value = 1e+20)

像OP一样，我还没有找到一个解决这个问题的好方法。屏蔽整行将正确初始化屏蔽：

 a[0] = ma.masked
 a
 masked_array(data =
 [[-- --]
 [0.0 0.0]],
             mask =
 [[ True  True]
 [False False]],
       fill_value = 1e+20)

但是如果这不是您想要做的，那么您必须执行
a[0]=ma.nomask
来撤销它。在
a=ma.zero（（2,2））
之后立即执行
a[0]=ma.nomask
无效。
嗨，皮埃尔，谢谢你的回复。在我的应用程序中，我总是想要一个掩码，这样，如果我没有最终指定给索引，它在默认情况下仍然是被屏蔽的（我编辑了我的问题以更好地反映这一点）。你的“旁注”似乎正是我一直在寻找的东西！我不确定这里到底发生了什么，但答案可能在于“基本”索引和“高级”索引之间的区别：1）如果您指定一个[0,0]=ma.masked，您会发现它按照您的预期工作。2） 如果您以您已经完成的方式指定了一个值（例如a[0][0]=1.），则该值的行为与预期相同。我不知道为什么分配一个特殊值和一个浮点值的行为会有所不同。