python - 如何在 numpy 中进行条件行求和？

Question

我有一个 numpy 二维数组，其中包含正项和 -1 值，它们是缺失值。我想对这个矩阵的行求和而不包括 -1 值。有什么方法可以在 numpy 中执行条件行求和吗？

Answer 1

方法 #1:乘以一个 bool 数组，这是有效的，因为 True 表现为 1 而 False 表现为 0:

>>> a
array([[ 1,  3,  0,  4,  2],
       [ 2,  1,  4, -1,  1],
       [-1,  2,  4,  4,  4],
       [ 4,  4,  4,  4,  0],
       [ 0,  2,  4,  1,  2]])
>>> (a * (a != -1)).sum(axis=1)
array([10,  8, 14, 16,  9])

方法 #2:使用相同的 bool 数组(好吧，翻转了——之前我们想知道要保留哪些，现在要忽略哪些)作为 MaskedArray 的正式掩码。

>>> am = np.ma.MaskedArray(a, mask=(a==-1))
>>> am
masked_array(data =
 [[1 3 0 4 2]
 [2 1 4 -- 1]
 [-- 2 4 4 4]
 [4 4 4 4 0]
 [0 2 4 1 2]],
             mask =
 [[False False False False False]
 [False False False  True False]
 [ True False False False False]
 [False False False False False]
 [False False False False False]],
       fill_value = 999999)

>>> am.sum(axis=1)
masked_array(data = [10 8 14 16 9],
             mask = [False False False False False],
       fill_value = 999999)

[不过老实说，我几乎从不使用 MaskedArray。]