0

我正在尝试选择较大网格的子集来执行有限元分析以在两个数组之间进行迭代；一个掩码数组和一个未掩码数组，但我遇到了使用 np.arrays 时从掩码中出现 NaN 的问题。我最初在这里使用掩码来试图避免 包括 NaN == NaN (False) 等在内的 NaN 问题......但是当与 np.arrays 一起使用时，掩码本身似乎正在创建 NaN！

要迭代的坐标数组：

array = np.array(list(np.arange(5))*5).reshape(5,5)
big_array =  np.array([array,array,array])

在坐标数组上应用掩码：

mask1 = np.ma.masked_array(big_array, mask = (big_array>2))
mask2 = np.ma.masked_array(big_array, mask = (big_array>3))

遍历坐标数组以进行屏蔽与未屏蔽比较：

for i in range(5):
    for j in range(5):
            array_group = np.array([ big_array[0,i,j], big_array[1,i,j] ]) 
            array_group2 = np.array([ mask1[0,i,j], mask2[1,i,j] ]) 
            print array_group

^^没有来自array_group的NaN，但是.. ^^^

        print array_group2

NaN 出现在此处的掩码 array_group2

4

1 回答 1

0

在您的数据中，您的mask1输出：

[[[0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]]

 [[0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]]

 [[0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]
  [0 1 2 -- --]]]

小破折号是导致nan值出现的屏蔽数据。至于如何解决这个问题......我相信这取决于你想如何处理这些数据：将这些破折号替换为 0、False、删除它们......无论如何。

于 2017-12-25T16:49:12.953 回答