python - Numpy 数组均值函数在均值计算中未排除屏蔽元素

Question

我是Python编程新手，如果我的问题太基础，请原谅我。但我尝试使用 masked_array 计算三个数组的平均值以生成第三个数组，而不使用值小于零的元素。使用这些步骤:

import numpy as np
from numpy.ma import masked_array

d=[]
a = np.array([[-2,-3,-4,-6],[5,2,6,1],[9,3,2,4],[3,1,1,2]])
b = np.array([[3,4,2,4],[5,2,6,1],[9,3,2,4],[0.3,12,1,3]])
c = np.array([[2,3,4,5],[7,0,1,5],[10,9,2,3],[1.5,2.01,2,0.2]])

mask = (a <= 0).astype(int) 
a = masked_array(a,mask)

d.append(a)
d.append(b)
d.append(c)
result = np.array(d).mean(axis=0)
print result

[[ 1.          1.33333333  0.66666667  1.        ]
[ 5.66666667  1.33333333  4.33333333  2.33333333]
[ 9.33333333  5.          2.          3.66666667]
[ 1.6         5.00333333  1.33333333  1.73333333]]

我认为(从文档中)如果在具有掩码值的数组上使用 numpy 数组均值函数，则在计算平均值时不会考虑它们(掩码值)。我预计结果是

[[  2.5          3.5  3.  4.5        ]
 [ 5.66666667  1.33333333  4.33333333  2.33333333]
 [ 9.33333333  5.          2.          3.66666667]
 [ 1.6         5.00333333  1.33333333  1.73333333]]

请问，有人对如何使用 numpy.ma.masked_array 来存档此内容有一些提示吗？

Answer 1

问题是 np.array(d) 不会创建屏蔽数组。当列表 d 中的数组组装成更大的(非掩码)数组时，a 中的掩码会丢失。

解决这个问题的一种方法是替换它:

result = np.array(d).mean(axis=0)

与

result = masked_array(d).mean(axis=0)

例如:

In [27]: result = masked_array(d).mean(axis=0)

In [28]: result
Out[28]: 
masked_array(data =
 [[2.5 3.5 3.0 4.5]
 [5.666666666666667 1.3333333333333333 4.333333333333333 2.3333333333333335]
 [9.333333333333334 5.0 2.0 3.6666666666666665]
 [1.5999999999999999 5.003333333333333 1.3333333333333333
  1.7333333333333334]],
             mask =
 [[False False False False]
 [False False False False]
 [False False False False]
 [False False False False]],
       fill_value = 1e+20)