问题标签 [masked-array]

目前，我有一个代码检查数组中的给定元素是否等于 = 0，如果是，则将值设置为“级别”值（temp_board 是 2D numpy 数组，indices_to_watch 包含应该观察为零的二维坐标）。

我想将其转换为更类似于 numpy 的方法（删除 for 并仅使用 numpy 函数）以加快速度。这是我尝试过的：

但不幸的是，当 put() 想要具有一维维度时，掩码数组（完全奇怪！），是否有其他方法可以更新等于 0 并具有具体索引的数组元素？

或者也许使用掩码数组不是要走的路？

我有一个带有 dtype 的 numpy 结构化数组，例如：

我知道我可以创建一个面具，例如：

有没有办法在多列上创建掩码？例如（我知道这不起作用，但我希望它起作用）：

我了解如何创建屏蔽数组，并且我想在记录数组中使用屏蔽，以便可以使用命名属性访问这些数据。当我从屏蔽数组创建记录数组时，屏蔽似乎“丢失”了：

当我访问记录时，数据不会被屏蔽：

与原始数组不同：

我能做些什么？记录数组不支持屏蔽吗？在网上浏览时，我看到了一些代码示例，这些示例似乎另有说明，但不是很清楚。希望我能在这里得到一个好的答案。

我想知道是否有办法计算 numpy 掩码数组的高斯核？

我进口：

如果使用掩码数组并将其作为rbf_kernelscikit learn 包函数的输入，则结果不是掩码数组。似乎所有成对的距离都是计算出来的，而不管它们中的一些被掩盖了！

问题：

有没有办法强制netCDF4总是输出一个掩码数组，不管它切片是否包含任何填充值？

背景：

随着时间的推移，我使用netCDF4包读取了网格上的值的 netCDF 数据集。

nc_data = netCDF4.Dataset('file.nc', 'r')

初始时间步产生掩码数组：

后面的时间步产生标准ndarrays：

期望的结果：

我希望后者使用掩码为 all 的掩码数组False，而不是标准的 ndarray。

当显示 aMaskedArray时，我被告知数据、掩码和填充值。当然，数据和掩码非常重要。但是填充值有什么实际意义呢？我什至可以更改它，但我为什么要这样做——填充值不只是一个没有实际影响的实现细节吗？

换句话说：对fill_value不直接寻址的任何代码有任何影响fill_value吗？

当我创建一个 Numpy 掩码数组的视图（通过切片）时，掩码被复制到视图中——因此对视图的更新不会更改原始掩码（但会更改原始数组中的数据）。

我想要的是在更新视图时同时更改原始数据和原始掩码。

从Numpy 文档：

访问切片时，输出是一个掩码数组，其数据属性是原始数据的视图，其掩码是 nomask（如果原始数组中没有无效条目）或原始相应切片的副本面具。需要副本以避免将掩码的任何修改传播到原始文件。

例子

如您所见，原始数组中的数据已更新，但掩码没有。

如何使视图中的更新影响原始数组中的掩码？

我一直在网上搜索 Python Numpy 数组中的 NaN，发现一些我无法重现的东西。我正在使用带有 numpy.version.version == 1.10.4 的 Anaconda 发行版

只会让我“无法导入 NA”。这个 NA 模块在另一个stackoverflow 线程中提到

这个相同的链接也提到maskna和skipna作为 NumPy 参数。

或者，大多数数组构造函数（从 1.7 开始）都有参数maskna，您可以将其设置为 True

来自scypy.org的文档也支持此声明

但是当我再次尝试这个时，我只会得到一个错误：

给了我一个鼓舞人心的“TypeError：'maskna' 是这个函数的无效关键字参数”

到底是怎么回事？我在寻找一个已停产的功能吗？这是否被 nansum()、nanmean() 等取代。但文档是 1.10.1，距离 1.10.4 不远。

我怎样才能让它工作？

我的名为 ds_f 的数据集是一个 840x57 矩阵，其中包含 NaN 值。我想用线性回归模型预测一个变量，但是当我尝试拟合模型时，我收到这条消息“SVD 没有收敛”：

因此，我一直在寻找将掩码应用于 DataFrame 的答案。虽然我正在考虑创建一个掩码来“忽略”NaN 值，然后将其转换为 DataFrame，但我得到了与 ds_f 相同的 DataFrame，没有任何变化：

编辑：我已经通过编写 model=sm.OLS(X,y,missing='drop') 解决了这个问题，但是当我显示结果时出现了一个新问题，我只得到 NaN：

这是一个例子：

预期输出：

实际输出：

我怎样才能达到预期的输出？谢谢！:)